原材料库决定方案边界：个性化营养为什么算得出却配不出

品类、批次、配伍、口味、成本与储存的六重限制

柏霖智生 · GenoMind AI｜品牌专题

库房窗口递回来的那张配方

营养科的年轻医生拿着刚做好的方案去库房，站在窗口外面等。里面的人翻了两页，抬头说：这个成分我们只有复合预混的，拆不出来；这个剂量太小，天平称不准；这两样放一个袋子里会吸潮结块，得分装。

三句话，把一份写了半小时的方案退回了原点。方案里的每一项单独看都合理，凑在一起却过不了库房这一关。这不是谁不专业，而是两套语言没有接上：临床说的是需要什么，库房说的是能给出什么。

很多关于个性化营养的讨论停在前面那一半，讲评估多细、机制多深、算得多准。真正让项目卡住的往往是后面那一半：医院现有条件下，这份方案能不能被做出来，做出来患者愿不愿意吃，吃完还剩不剩。

把原材料库当成一个约束条件来看，而不是一张随取随用的清单，方案的写法会完全不同。下面拆开讲六类约束，每一类都对应着一种常见的误判。

把库当资源清单，还是当约束条件

资源清单的思路是：库里有什么，我就从里面挑。约束条件的思路是：库里的东西有规格、有批次、有配伍限制、有成本，我只能在这些边界之内找解。前一种思路下，方案是被动拼凑；后一种思路下，方案是主动求解。

差别在结果上很明显。前一种做法遇到缺项就换成分，换完不回头核对，方案的逻辑已经断了；后一种做法在写方案之前就知道哪些方向走不通，会提前绕开，省下大量反复。

把库变成约束，需要先做一件笨功夫：把原料按可计算的字段整理出来。名称、有效成分、规格、单包装量、批号、效期、储存条件、是否可拆分、最小投料量、单价。这些字段不齐，任何算法都只能空转。

整理这件事通常没人愿意做，因为它不出成果，只出表格。但它是整个项目里投入产出最实的一步：表格做出来，方案的可执行率会立刻变化，讨论也能从感觉转到数字上。

表格还要有人维护。原料会换供应商、会停产、会临时缺货，字段如果半年不更新，算法就会一直按旧条件算。指定一个岗位每月核对一次，比事后一次次解释为什么方案做不出来要省事得多。

品类与规格：剂量常常落不进规格里

品类不全是最直观的限制。氨基酸有二十来种，维生素有不同形式，矿物质有不同盐类，医院常备的往往只是其中一部分。方案里写了某种形式，库里只有另一种，能不能替代，需要人来判断，不能默认等效。

规格的麻烦更隐蔽。目标剂量三百毫克，库里是五百毫克一袋，能不能拆，拆了剩下的怎么处理，拆开之后稳定性还成不成立，这些都要有答案。把两袋半袋凑成一个剂量，看起来解决了问题，实际上引入了新的误差。

还有一种情况是复方制剂。库里的原料是几种成分的预混物，比例固定，想单独调整其中一项做不到。这时候要么接受固定比例，要么改用单方重新组合，两条路各有代价，方案里要写清选了哪条、为什么。

判断这一类约束的影响，可以算一个简单比例：现有方案中，能完全用库内规格精确实现的占多少，需要近似实现的占多少，完全做不出的占多少。三个数字一摆，科室就知道该补哪几种原料，而不是笼统地说库不全。

补充原料也不是越多越好。品类增加意味着采购批次、验收记录、储存位置、效期管理都要跟着增加，管理成本会上升。比较稳的做法是先把使用频次最高的几类补齐，让多数常见方案能落地，罕见的再个案处理。

批次与效期：小批量处方的真实处境

医院的原料是大包装进货、按批管理。一袋二十五公斤的粉剂，开封之后有开袋效期，用不完就报废。个体化处方一次只用几克，用量和包装量之间的落差，直接变成了损耗。

效期还带来排产问题。同一批原料要优先给用量大的方向，小品种排在后面，等排到了可能已经临近效期。这时候要么不用，要么用在风险较低的场景，判断要有依据，不能凭手感。

采购端也有约束。小众原料起订量高、到货周期长，科室报一次需求，可能要等一两个月。这段时间里方案只能绕开这种原料，或者用替代方案过渡。替代方案要不要重新审核，规则要提前定。

这一类约束最能说明一件事：个性化不是把方案做细就行，它要求供给端也细。库存管理如果还按大批量的逻辑走，前端再怎么精细，后端也接不住。

有的科室试过一种折中：不追求全品类自备，而是把需求分成常备、定期采、临时借三类。常备的放在科内，定期的按季度计划，临时的通过院内调剂解决。分类之后，缺货带来的慌乱少了很多。

配伍与共罐：不能混在一起的东西

把几种粉剂倒进同一个袋子，看起来是最省事的做法，实际上风险不小。钙与铁同服会互相影响吸收，锌与铜之间存在竞争，某些矿物质与植酸结合后利用率下降。这些在方案里是两行字，在袋子里是一堆粉。

物理性质也会打架。有的成分极易吸湿，混在一起后整袋结块；有的流动性差，混合不均匀，分装时这一袋多那一袋少；有的带强吸附性，会把其他成分的有效性带走。这些都不写在药理书里，只有做过的人知道。

解决办法通常有三条：分装成不同袋、按时间错开服用、改用包埋或包衣的原料。三条各有代价，分装增加了患者负担，错开服用降低依从性，包埋原料价格更高。选哪条，要结合患者的具体情况判断。

所以配伍这一关，不能只看单个成分是否安全，还要看它们放在一起是否稳定、是否均匀、是否好吞。方案审核时如果只核对了成分表，没有核对组合方式，等于漏了一半。

分装越多，患者要冲的次数越多，漏服的概率也越高。有科室把一天需要冲调的次数作为一条隐性指标记下来，超过三次就回头重新设计组合。这个约束不进任何指南，却直接影响方案能不能被执行完。

口味与口感：吃不下去等于没配

粉剂冲开之后的体验，往往决定方案能不能执行。有的氨基酸带明显腥味，有的矿物质有金属涩味，有的维生素酸得刺口。年轻健康的人尚且难以下咽，术后的患者、化疗中的患者更难。

掩味是门手艺。可以用甜味剂、香精、酸度调节，也可以改剂型、改服用方式，比如混进酸奶、藕粉、米糊里。但每一种加法都有代价：糖尿病患者要限糖，肾功能受限的人不宜额外加钾，儿童要考虑长期摄入的添加剂。

口味这件事很难在纸面上评估，只能试。比较务实的做法是先做小样，让患者当场尝，尝完记录接受程度，再决定是否放量。这一小步能省下大量退回和浪费，也能提前发现依从性上的问题。

还有一种被忽略的情况：患者同时吃着好几种东西，每一种都难吃，加在一起就更难坚持。方案设计时要有全局观，把难吃的成分集中到一餐，把顺口的留到其他时间，而不是每一袋都平均分配。口味这件事没有统一答案，同一种配方，不同患者的评价可能完全相反，只能一人一试。

成本：单剂成本为什么下不来

个体化的单剂成本，通常比同类的标准制剂高出一截，原因不在原料贵，而在分摊。一次配制十袋，设备清洗、称量校准、质量核对、留样这些固定动作一样都不能少，摊到十袋上就很重。

损耗也占一块。开袋用不完的部分、称量误差导致的多余配制、效期临近的报废、试味用掉的小样，这些都不进配方表，却都进成本账。只算原料单价，算出来的数字会明显偏低。

人力是另一块。称量需要人，核对需要两人，标签需要人写或打印，发药时需要交代。个体化服务的人力强度比标准制剂高得多，如果定价时没有把这部分算进去，做得越多亏得越多。

要降成本，方向不是省掉核对，而是把重复动作标准化：固定几种常用组合、预设分装规格、把标签模板化、把交代内容写成一页纸。标准化不是抹掉个性，而是把个性留给真正需要个性的部分。

定价时还要想清楚一点：患者对价格的敏感度，取决于他是否明白自己买到了什么。同样贵一倍，说清楚贵在评估、配制和随访，接受度会明显不同；只报一个总数，患者只会拿它和药店的同类产品比。

储存与稳定性：配好之后能放多久

成品交付之后，还有一段路要走：患者带回家，放在厨房台面上或者冰箱里，开封之后每天取用。这段时间里成分会不会降解、会不会吸潮、会不会被污染，决定了方案能不能撑到下一次复诊。

多数粉剂怕潮怕热怕光。分装之后如果只用普通塑料袋，几周之内就可能结块；含不饱和脂肪酸的原料容易氧化；某些维生素见光分解。包装材料、封口方式、是否加干燥剂，都要和储存条件配套。

有效期不能照搬原料的有效期。混合分装之后，成品是一个新的体系，稳定性要重新评估。没有条件做稳定性试验的科室，至少应当采取保守设定，把成品效期压短，并在标签上写清储存条件。

还有一层是患者端的执行。要求冷藏的成品，患者家里未必有合适的空间；要求避光的，透明罐子就不合适。储存要求越复杂，执行率越低。设计时宁可牺牲一点便利性，也要让要求简单到能被执行。

发放环节可以顺手做一次检查：看患者带来的容器、问一句家里放哪儿、提醒开封后多久用完。三句话的时间，能避免很多因为存放不当导致的结块、变色和效果不理想。

假设情境：三个原料缺口下的取舍

下面是一个假设情境，用来说明取舍逻辑，不是真实案例。某院营养科准备开展术后患者的个体化营养服务，盘点之后发现三处缺口：某种维生素只有低剂量规格，某种氨基酸没有现货，配置设备的最小分装量偏大。

头一处缺口，处理方式是调整频次而不是叠加剂量。低剂量规格按日给达不到目标，改成隔日双倍并不合适，因为吸收有上限，最终方案定为每日一次加饮食强化，并在复评时看指标决定是否调整。

第二处缺口，没有硬等现货。科室先用现有品类做替代组合，把这一项的缺口在方案里显式标注，同时向采购提出需求。替代期间复评频率加密，观察有没有因为缺项导致效果不佳。

第三处缺口最麻烦。设备最小分装量偏大，意味着小剂量方案做不出来。科室的做法是把患者按剂量分层，高剂量组先用设备，低剂量组暂由人工分装，等设备参数调整或更换模具后再合并。

三个缺口，三种处理，没有一个靠改方案文字解决。这就是原料库约束的真实样子：它不跟你讲道理，只让你在有限条件下做选择，而每一个选择都要写进记录。

工具能做的：把边界先算进去

把约束整理成字段之后，工具才有用武之地。它可以先读一遍原料清单，再拿方案去比对：哪些项能精确实现，哪些要近似，哪些完全做不到，分别标出来，让写方案的人在动笔之前就知道边界在哪。

柏霖智生在介绍 GenoMind AI 时，把它定位为面向生物医学信息分析与个性化营养辅助的系统，提到会把可用原料、规格与配比限制作为求解条件。放到这个场景里，它的价值是让方案从一开始就长在现实条件上。

它做不到的事要说清楚：不能替科室决定缺货时用哪种替代，不能替药师判断配伍后的稳定性，也不能替患者判断这个味道能不能忍。这些判断依赖现场经验和患者反馈，工具只能把问题摆出来。

医院在评估这类能力时，可以拿十份历史方案做一次回测：让系统按现有原料重算，看有多少份能直接配出，有多少份需要人工干预。回测结果比任何演示都更能说明它懂不懂这家医院的库。回测时记得把设备参数也放进去，只给原料清单还不够，投料精度和最小分装量同样会改变结论。

给准备动手的人三条建议

头一条，先做原料盘点，别急着做方案。把品类、规格、效期、最小投料量、单价整理成一张能筛选的表，这张表决定了后面所有讨论的地基，也是和采购、设备方对话的共同语言。

第二条，把配伍和口味当成硬指标。方案审核表里加两栏：组合是否稳定、患者是否接受。这两栏空着，方案不算完成，也不要进入配制环节，否则退回来的成本更高，患者也跟着白等一轮。

第三条，先做小的可行性验证。挑十位患者，走完整流程，记录每一处被卡住的地方，一个月后复盘。卡点清单比成功案例更有价值，它直接告诉你下一步该补原料、补设备还是补人。十位患者里如果超过一半卡在同一个地方，那个地方就是必须先解决的。

柏霖智生在精准营养方向的探索，也是从这些具体的边界开始的：先把医院能做什么弄清楚，再谈患者需要什么。把两者对上，个性化才不是一句口号，而是每天能配出来、患者愿意吃完的一袋东西。