医数智联·第 22 期:Claude Code 入门 —— 医院人的「AI 助手」,5 大使用场景让效率翻 10 倍

[!ABSTRACT] 核心摘要

• 本期主题:Claude Code 入门——医院人的「AI 助手」,把前面 21 期的所有技能效率放大 5-10 倍
• 核心结论:Claude Code 不只是「写代码的工具」,是「医院数字化转型的杠杆」——它能让「不会编程的人」也能搭自动化流水线
• 5 大核心场景:SQL 智能问询、Python 自动写脚本、报告自动生成、病历分析、Obsidian 笔记整理
• 典型效果:从「学 1 周才能写脚本」变成「自然语言说需求,5 分钟出脚本」
• 阅读时长:约 10 分钟

---

一、场景引入:为什么医院需要 AI Agent?

[!example] 一个真实的周二上午
质管办小张想做「DRG 低码高套筛查」(第 18 期的内容),但他不会 Python。

他尝试了几条路:

路径 1:找信息科
「小李,帮我写个 DRG 筛查脚本。」
「我现在在做院长的报表,你等 1 周。」

路径 2:自己学 Python
「我去 B 站学 Python……」学了 3 个月,还卡在「pandas 导入」。

路径 3:用 Claude Code
「打开 Claude Code,输入『帮我写个 DRG 低码高套筛查脚本,从 MySQL 读数据,用 pandas 分析,输出 Excel』。」

5 分钟后,脚本写好了。

跑了一遍,23 例低码高套全找出来了。

这是医院人的典型困境——想做自动化,但卡在「写代码」这一步。

[!quote] 狼叔的判断
“AI Agent 不会取代医院人,但会’用 AI Agent 的医院人’取代’不会用 AI 的医院人’。” 这一期,带你入门 Claude Code,把前面 21 期的所有技能用自然语言驱动。

---

二、工具原理:Claude Code 是什么?

2.1 Claude Code 是什么?

[!info] Claude Code 简介
Claude Code 是 Anthropic 推出的 AI Agent 编程工具,基于 Claude 大模型。

核心能力:自然语言 → 代码 → 执行

你说一句「帮我写个脚本」,它就理解需求、写代码、跑代码、修正错误——一条龙服务。

江湖地位:

• 2025 年最火的 AI Agent 工具
• 中文友好,国内可直连
• 医疗领域应用最广(医院 HIS 数据、报告生成、自动化)

2.2 Claude Code vs 传统编程

维度	传统编程	Claude Code
输入	代码	自然语言
学习曲线	陡(语法/库)	平缓(说人话)
错误调试	自己查	AI 自动修
复用	复制粘贴	一次配置,永久用
适用人群	程序员	医院任何岗位

2.3 5 大核心场景

场景 1:SQL 智能问询       → 用自然语言查数据库
场景 2:Python 自动写脚本   → 让 AI 替你写 pandas 脚本
场景 3:报告自动生成       → 输入数据,输出 Word/PDF
场景 4:病历分析           → 提取关键词、识别风险
场景 5:Obsidian 笔记整理   → 自动写笔记、生成 MOC

---

三、医院实战:5 大场景

3.1 安装与启动

[!tip] 3 步上手

Step 1:安装

# Mac/Linux
curl -fsSL https://claude.ai/install.sh | sh

# Windows(PowerShell)
irm https://claude.ai/install.ps1 | iex

Step 2:登录

claude login
# 浏览器打开授权

Step 3:启动

claude
# 进入交互界面

3.2 场景一:SQL 智能问询

[!example] 实战 ①:自然语言查数据库

传统方式:打开 Navicat,写 SQL,跑。

Claude Code 方式:用自然语言问,AI 帮你写 SQL。

👤 你:帮我查一下上月骨科出院的所有病案,主诊 ICD 含「骨折」的,按出院日期倒序排列

🤖 Claude Code:
我来帮你写 SQL:

SELECT 病案号, 出院日期, 科室, 主诊ICD, 主诊名称
FROM 首页主表
WHERE 科室 = '骨科'
  AND 出院日期 >= '2026-06-01'
  AND 出院日期 < '2026-07-01'
  AND 主诊名称 LIKE '%骨折%'
ORDER BY 出院日期 DESC
LIMIT 100;

要我帮你直接执行吗?(y/n)

[!TIP] 「用自然语言问」的好处

• 不用记 SQL 语法(窗口函数、CTE 都能说)
• 不写错字段名(AI 查表结构)
• AI 还解释查询逻辑

3.3 场景二:Python 自动写脚本

[!example] 实战 ②:让 AI 写 DRG 筛查脚本

👤 你:帮我写一个 Python 脚本:
1. 从 MySQL 数据库读「本月首页」表,字段包括病案号、科室、主诊ICD、主诊错误标记
2. 统计每个科室的错误数和错误率
3. 用 matplotlib 画柱状图,错误率降序
4. 输出 Excel 和 PNG

数据库连接:
host=192.168.1.100, user=quality_user, password=xxx, database=his_db

🤖 Claude Code:
好的,这是完整脚本:

import pandas as pd
import pymysql
import matplotlib.pyplot as plt

# 1. 连接数据库
conn = pymysql.connect(
    host='192.168.1.100',
    user='quality_user',
    password='xxx',
    database='his_db',
    charset='utf8mb4'
)

# 2. 读数据
df = pd.read_sql('''
    SELECT 病案号, 科室, 主诊ICD, 主诊错误标记
    FROM 首页主表
    WHERE 出院日期 >= '2026-07-01'
      AND 出院日期 < '2026-08-01'
''', conn)
conn.close()

# 3. 统计
统计 = df.groupby('科室').agg(
    总数=('病案号', 'count'),
    错误数=('主诊错误标记', 'sum')
).reset_index()
统计['错误率'] = (统计['错误数'] / 统计['总数'] * 100).round(2)
统计 = 统计.sort_values('错误率', ascending=False)

# 4. 画图
plt.rcParams['font.sans-serif'] = ['SimHei']
fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(统计['科室'], 统计['错误率'], color='steelblue')
ax.set_title('各科室错误率', fontsize=14, fontweight='bold')
ax.set_xlabel('科室')
ax.set_ylabel('错误率(%)')
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig('本月错误率.png', dpi=300)

# 5. 输出 Excel
统计.to_excel('本月错误率.xlsx', index=False)

print('✓ 脚本完成,已生成本月错误率.png 和 本月错误率.xlsx')

要我帮你跑一下吗?(y/n)

5 分钟后:AI 写完脚本,你按个 y,Excel 和 PNG 自动生成。

3.4 场景三:质控报告自动生成

[!example] 实战 ③:让 AI 写月度报告

👤 你:用 Python 写一个脚本,生成「本月质控月报」PDF,包括:
1. 封面(标题、医院名、日期)
2. 核心指标摘要(总病案数、错误数、错误率)
3. 各科室错误率柱状图(用 matplotlib)
4. 错误类型分布饼图
5. Top 5 错误医生表格

用 reportlab 生成 PDF,中文用 SimHei 字体

🤖 Claude Code:
好的,这是完整脚本(已自动填充数据查询逻辑)...

要我直接跑吗?(y/n)

[!success] 「AI 写 + AI 跑」的好处

• 你只说「要什么」,不用关心怎么写;
• AI 写完会自动跑,有 bug 自动修;
• 报告里要改数据?直接说「把错误率改成近 3 个月趋势」,AI 重写。

3.5 场景四:病历分析

[!example] 实战 ④:让 AI 提取病历关键词

👤 你:我这有 1000 份病历主诉文本(在 主诉.txt 文件里),用 jieba 做分词,
找出 Top 30 关键词,生成词云图,保存为 PNG。

🤖 Claude Code:
好的,我用 jieba + wordcloud 实现...

import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 读文件
with open('主诉.txt', 'r', encoding='utf-8') as f:
    文本 = f.read()

# 分词
jieba.load_userdict('医学词典.txt')
词列表 = jieba.lcut(文本)

# 过滤停用词
停用词 = {'患者', '因', '入院', '伴'}
词列表 = [w for w in 词列表
          if len(w) > 1 and w not in 停用词]

# 词频统计
from collections import Counter
词频 = Counter(词列表).most_common(30)
print('Top 30 关键词:', 词频)

# 词云
词云文本 = ' '.join(词列表)
wc = WordCloud(font_path='simhei.ttf', width=1200, height=600)
wc.generate(词云文本)
plt.imshow(wc, interpolation='bilinear')
plt.axis('off')
plt.savefig('病历关键词词云.png', dpi=300)
print('✓ 词云图已生成')

3.6 场景五:Obsidian 笔记整理

[!example] 实战 ⑤:让 AI 整理质控笔记

👤 你:打开我的 Obsidian 库 D:\Documents\质控笔记\,里面有 200+ 篇分散的笔记,
帮我:
1. 读所有笔记
2. 按主题分类(质控日志、投诉案例、教学查房、培训资料)
3. 生成一个 MOC(内容地图)主页 MOC.md,双向链接所有分类下的笔记
4. 用 Dataview 查询显示各分类的笔记数量

🤖 Claude Code:
好的,我来帮你整理...

(自动读取所有 .md 文件、分析 frontmatter、生成分类、创建 MOC.md)

✓ 已生成 D:\Documents\质控笔记\MOC.md
✓ 包含 4 个分类 + 双向链接 + Dataview 查询

---

四、避坑指南:5 个让 Claude Code「失灵」的常见错误

[!warning] 雷区 ①:需求描述太模糊
症状:AI 写的脚本不是你想要的。
解决:需求要具体:列字段、表名、输出格式、示例。

❌ 「帮我写个报告」
✅ 「帮我写月度质控报告 PDF,包括:①封面②核心指标③Top 5 错误科室柱状图④Top 5 错误医生表格,输出为 2026年6月质控报告.pdf」

[!warning] 雷区 ②:不验证 AI 写的脚本
症状:脚本跑了,但结果错误(漏数据、算错)。
解决:先用小数据测试,再用全量数据。

[!warning] 雷区 ③:敏感信息泄露
症状:把含真实病案号、身份证的脚本发给 AI。
解决:脱敏后再给 AI:

df['病案号'] = df['病案号'].str.replace(r'BA\d+', 'BA****', regex=True)

[!warning] 雷区 ④:不保存可复用的脚本
症状:每次都要重新让 AI 写。
解决:AI 写完 → 保存到 scripts/ 文件夹,下次直接用:

👤 「D:\scripts\drg_筛查.py 这个脚本,改成读上月数据」

[!warning] 雷区 ⑤:不学基础,完全依赖 AI
症状:AI 写错你也看不出。
解决:学基础 SQL/Python 后再用 AI,能判断 AI 写得对不对。

---

五、把 Claude Code 嵌入日常工作流

[!TIP] 实战:质管人的「AI 日常」

时段	任务	Claude Code 怎么帮
早上 8:30	跑昨天的首页数据	「跑昨天的首页数据,统计错误率」
上午 10:00	写质控日志	「根据这 5 个事件写一篇质控日志,300 字」
中午 12:00	处理 Excel 数据	「把这个 Excel 清洗:去重 + 改列名 + 加错误率列」
下午 3:00	生成周报	「用本月数据生成 PDF 周报,包括 5 张图」
下班前 5:00	整理笔记	「把今天的笔记整理成 MOC 主页」

---

六、下期预告

[!quote] 第 23 期
Claude Code + Obsidian 联动 —— 让笔记「活」起来的 4 大玩法

这一期,带你把 Claude Code 和 Obsidian 深度结合,让 100+ 笔记自动组织、查询、整理。

---

[!TIP] 互动
如果你觉得这篇「医数智联·第 22 期」对你有用,请点赞、在看、转发给科里的同事。

文中 5 大场景的 prompt 模板,我已经整理成「Claude Code 入门 prompt 包」。点击「阅读原文」可直接下载。

我是白衣狼,一个用数字化工具把医院管理做「轻」的实战派。咱们下期见。