“我的指標(biāo)到底正常不正常？”“這個(gè)藥是不是要繼續(xù)吃？”“是不是還需要去醫(yī)院復(fù)查？”……這些問題可能是很多患者在掛號排隊(duì)前、拿到檢查報(bào)告后，心中會產(chǎn)生的疑問。

其實(shí)，他們不一定非要見到醫(yī)生（因?yàn)楹芏鄷r(shí)候見到醫(yī)生也不一定能給到滿意的答復(fù)），而是希望有人，或一個(gè)工具，能在關(guān)鍵時(shí)刻給出一份專業(yè)、可信的答復(fù)。

近年來，隨著人工智能（AI）、大數(shù)據(jù)等技術(shù)的不斷進(jìn)步，越來越多AI產(chǎn)品被嘗試用于醫(yī)療場景。無論是側(cè)重科研分析的通用大模型，還是聚焦影像識別、輔助診斷的垂直模型，國內(nèi)已出現(xiàn)近300個(gè)醫(yī)療大模型產(chǎn)品。然而，真正被廣泛使用的產(chǎn)品還幾乎沒有，原因不僅是技術(shù)門檻，更是安全性、責(zé)任劃分、合規(guī)路徑等多重現(xiàn)實(shí)門檻的限制。

6月26日，螞蟻集團(tuán)推出的醫(yī)療健康A(chǔ)I應(yīng)用產(chǎn)品“AQ”正式上線。它沒有選擇攻堅(jiān)術(shù)中場景，而是聚焦在更常見的問診咨詢、導(dǎo)醫(yī)分流、報(bào)告解讀、用藥指導(dǎo)等高頻服務(wù)點(diǎn)上，試圖成為醫(yī)療系統(tǒng)之外的“智能緩沖區(qū)”。AQ到底是否能解決患者的困惑？它又能否在醫(yī)院體系中發(fā)揮出應(yīng)有的效能？

為此，新京報(bào)新京智庫組織了主題為“AI+醫(yī)療健康管理創(chuàng)新應(yīng)用”研討會。來自中國醫(yī)學(xué)科學(xué)院阜外醫(yī)院、江蘇省昆山市第一人民醫(yī)院、清華大學(xué)第一附屬醫(yī)院、應(yīng)急總醫(yī)院等多位一線專家，他們從醫(yī)院運(yùn)營邏輯、質(zhì)量管理要求、AI模型建設(shè)、制度合規(guī)邊界等不同角度出發(fā)，分析了有些AI醫(yī)療產(chǎn)品為何比DeepSeek更容易在醫(yī)院落地。在討論的過程中，一個(gè)核心共識也浮出水面：AI若想真正融入醫(yī)院，不僅要聰明，更要讓人安心、放心。

AI醫(yī)療，從手術(shù)室到醫(yī)療科普

在醫(yī)院系統(tǒng)中，最復(fù)雜、最不容出錯(cuò)的場景是手術(shù)室。這里的每一次用藥、每一項(xiàng)指標(biāo)波動(dòng)，都可能關(guān)系到患者生死。也正因如此，AI在手術(shù)室內(nèi)的應(yīng)用常被視為“醫(yī)療人工智能的高地”。

中國醫(yī)學(xué)科學(xué)院阜外醫(yī)院麻醉中心主任醫(yī)師張喆介紹，手術(shù)室一直是醫(yī)院中“監(jiān)測最密集、數(shù)據(jù)最豐富的環(huán)境之一”，每秒鐘都有大量生命體征數(shù)據(jù)從各類監(jiān)護(hù)設(shè)備中傳出，但“這些信息最終還是需要被醫(yī)護(hù)人工觀察，并根據(jù)醫(yī)生自身經(jīng)驗(yàn)調(diào)整用藥或相應(yīng)處理”，而這種人工管理“并不像外界想象的那樣縝密”。

DeepSeek等通用大模型也在嘗試介入這一醫(yī)療場景，在術(shù)中實(shí)時(shí)提供決策建議、風(fēng)險(xiǎn)預(yù)測。但張喆指出，目前的通用大模型“主要以文本或簡單圖像進(jìn)行訓(xùn)練，無法原生解析監(jiān)護(hù)設(shè)備實(shí)時(shí)輸出的生理波形等高頻生命體征數(shù)據(jù)流，也無法識別醫(yī)生的診療操作和用藥行為”，因此難以勝任手術(shù)室內(nèi)的“秒級更新”和實(shí)時(shí)反饋需求，而更適合用于“醫(yī)學(xué)教育和事后分析”等場景。

螞蟻集團(tuán)推出的醫(yī)療健康A(chǔ)I應(yīng)用產(chǎn)品“AQ”正式上線。

相比之下，雖然AQ并未直接切入手術(shù)場景，卻從另一個(gè)角度切中了醫(yī)院的剛需：為龐大的就診人群提供“術(shù)前分流”和“院外支持”。

據(jù)AQ發(fā)布的信息，該產(chǎn)品已接入90萬醫(yī)生、覆蓋5000家醫(yī)院，并能通過AI名醫(yī)分身提供24小時(shí)問診服務(wù)，并將問診內(nèi)容同步到醫(yī)生工作站，幫助快速完成患者醫(yī)療信息的采集，進(jìn)一步提升醫(yī)生工作效率，同時(shí)，非重癥患者可在院外獲得初步健康判斷、報(bào)告解讀和用藥指導(dǎo)。

這一路徑背后有螞蟻醫(yī)療多年的沉淀用戶規(guī)模和技術(shù)根基。據(jù)悉，AQ依托的螞蟻醫(yī)療大模型在HealthBench與MedBench兩大權(quán)威榜單的持續(xù)領(lǐng)跑。其中，在OpenAI主導(dǎo)的HealthBench測評中，其復(fù)雜推理能力（HealthBench Hard得分0.2702）與醫(yī)學(xué)共識能力（HealthBench Consensus得分0.9275）兩項(xiàng)核心指標(biāo)超過DeepSeek。

張喆從醫(yī)院診療的實(shí)際場景出發(fā)強(qiáng)調(diào)，雖然AI在術(shù)中決策輔助方面的應(yīng)用尚不成熟，但在提高手術(shù)團(tuán)隊(duì)診療效率方面可發(fā)揮重要作用。據(jù)研究報(bào)道，醫(yī)療文書工作占用了手術(shù)團(tuán)隊(duì)醫(yī)護(hù)人員約50%的工作時(shí)間，如果AI能協(xié)助實(shí)時(shí)記錄診療信息、優(yōu)化流程管理、輔助團(tuán)隊(duì)溝通，將極大減輕醫(yī)護(hù)負(fù)擔(dān)。在院前階段，通過自動(dòng)導(dǎo)診、報(bào)告解讀等方式提前分流患者，也被視為醫(yī)院整體效率提升的重要環(huán)節(jié)。

張喆認(rèn)為，真正高價(jià)值的AI不是僅服務(wù)復(fù)雜診療場景，而是在“醫(yī)護(hù)最疲憊的重復(fù)性簡單工作方面幫一把，讓醫(yī)生把有限的時(shí)間和精力用于核心診療環(huán)節(jié)”。

正因如此，AQ雖然沒有瞄準(zhǔn)最復(fù)雜的術(shù)中場景，卻在“普遍、頻發(fā)、高需求”的醫(yī)院外圍服務(wù)中，承擔(dān)了極具現(xiàn)實(shí)意義的“減壓閥”角色——它不以驚艷技術(shù)為賣點(diǎn)，而是把握住醫(yī)院系統(tǒng)中“真正沉重的部分”，用可控、專業(yè)、閉環(huán)的路徑，重塑患者與醫(yī)院的連接方式。

而從醫(yī)院整體運(yùn)作的角度看，AQ正在做的，或許就是這類系統(tǒng)性價(jià)值的構(gòu)建。

為醫(yī)院分憂：AQ有何現(xiàn)實(shí)價(jià)值

AI的真正價(jià)值，不僅體現(xiàn)在對醫(yī)生的技術(shù)輔助，更在于能否從系統(tǒng)層面緩解醫(yī)院的運(yùn)行壓力。特別是在我國醫(yī)療體系面臨“資源高度集中、醫(yī)生負(fù)荷超載”的背景下，像AQ這樣的智能工具，其在醫(yī)院體系中的現(xiàn)實(shí)作用，或?qū)l(fā)揮遠(yuǎn)超想象的作用。

2025年初衛(wèi)健委發(fā)布的《2024年全國醫(yī)療服務(wù)能力調(diào)查報(bào)告》的數(shù)據(jù)顯示，我國三級醫(yī)院僅占醫(yī)療機(jī)構(gòu)總數(shù)的7.8%，卻承擔(dān)了全國50%以上的門診量。大量患者向大醫(yī)院集中，使得“號難掛”“醫(yī)難見”成為普遍現(xiàn)象。而AQ作為連接醫(yī)院與患者的中間層，其設(shè)計(jì)初衷之一，正是“讓專業(yè)技術(shù)和優(yōu)質(zhì)資源共享給大眾”，從而實(shí)現(xiàn)“讓醫(yī)療普惠每個(gè)人”的目標(biāo)。

AQ對醫(yī)院的實(shí)際價(jià)值，在不少醫(yī)生看來，首先是分擔(dān)了大量“非必須面對面完成”的任務(wù)。

江蘇省昆山市第一人民醫(yī)院骨科主任醫(yī)師、質(zhì)量管理部主任陸軻表示，像AQ這樣的AI模型，其實(shí)可以把很多事務(wù)性的工作前置掉，幫醫(yī)生節(jié)省時(shí)間和精力。其實(shí)很多患者來醫(yī)院其實(shí)“就想確認(rèn)一下檢查結(jié)果、用藥是不是可以繼續(xù)”。這類需求“很多時(shí)候都不一定要跟醫(yī)生當(dāng)面溝通”，如果能借助如AQ這類系統(tǒng)進(jìn)行解答，“減輕醫(yī)生的負(fù)擔(dān)是完全有可能的”。

例如在報(bào)告解讀環(huán)節(jié)，據(jù)官方數(shù)據(jù)，每天有上千萬份醫(yī)學(xué)檢驗(yàn)報(bào)告出具，但90%的人看不懂報(bào)告內(nèi)容。過去，醫(yī)生需要花費(fèi)大量時(shí)間為患者解釋這些報(bào)告?，F(xiàn)在，AQ通過其自研的多模態(tài)識別模型，支持拍照上傳檢驗(yàn)單，系統(tǒng)自動(dòng)分析異常指標(biāo)、提供解讀意見，還能將重要指標(biāo)變化關(guān)聯(lián)歷史記錄，提示用戶是否需要進(jìn)一步就醫(yī)。

此外，AQ在名醫(yī)“AI分身”功能上，已在多家醫(yī)院開展試點(diǎn)合作，并在運(yùn)營效率上取得了實(shí)際成效。比如上海仁濟(jì)醫(yī)院泌尿科與螞蟻集團(tuán)共建的“RJUA智能體”，已在上線半年內(nèi)服務(wù)30萬患者，占門診總量超過50%。據(jù)上海仁濟(jì)醫(yī)院泌尿科主任醫(yī)師潘家驊表示，“這幾乎相當(dāng)于用AI再造了一個(gè)泌尿外科?！?/p>

張喆也介紹，AI如果能在術(shù)前做出較為精準(zhǔn)的個(gè)體化風(fēng)險(xiǎn)預(yù)測，并在術(shù)后給予患者康復(fù)指導(dǎo)與用藥提醒，將極大緩解手術(shù)團(tuán)隊(duì)醫(yī)生面臨的“全流程診療壓力”。因此，“未來的AI，不是讓醫(yī)生離場，而是讓醫(yī)生不再孤軍奮戰(zhàn)”。

這正契合了AQ正在建設(shè)的健康管理生態(tài)：支持用藥計(jì)劃、慢病監(jiān)測、設(shè)備對接（如血糖儀、呼吸機(jī)）、飲食與運(yùn)動(dòng)建議等多維健康檔案管理服務(wù)。通過對接患者端和醫(yī)院端數(shù)據(jù)，AQ不僅服務(wù)患者，還成為醫(yī)院“院前+院后”服務(wù)閉環(huán)的重要基礎(chǔ)設(shè)施。

因此，可以說AQ是在醫(yī)院體系中構(gòu)建起了“AI的外延觸角”。它不以高技術(shù)門檻取勝，而是在每一個(gè)瑣碎但高頻的醫(yī)療環(huán)節(jié)中，用切實(shí)有效的功能，讓醫(yī)院運(yùn)行得更高效、醫(yī)生工作更聚焦、患者體驗(yàn)更順暢。

技術(shù)之外是制度：為什么醫(yī)院更容易信任AQ？

在醫(yī)院引入AI的過程中，技術(shù)并非唯一的考量因素，甚至不是最優(yōu)先的條件。對醫(yī)療機(jī)構(gòu)而言，能否被信任、是否合規(guī)、安全邊界是否清晰，往往比模型參數(shù)、運(yùn)算速度更為關(guān)鍵。

這也是為什么，相比起“性能出眾”的通用大模型，醫(yī)院更傾向于使用具備“制度托底”和“專業(yè)責(zé)任”的模型體系，而AQ正是這樣一個(gè)產(chǎn)品。

應(yīng)急總醫(yī)院醫(yī)務(wù)處副處長、副主任醫(yī)師鄭山海表示，醫(yī)療場景下使用AI模型，必須考慮其合法性和資質(zhì)，“如果它給出的內(nèi)容出錯(cuò)了，有沒有辦法復(fù)核？這些問題都決定了它能不能用在醫(yī)院”。DeepSeek這類大模型“更適合醫(yī)生去驗(yàn)證，而不是病人直接使用”，病人使用時(shí)必須清楚“使用這個(gè)模型可能存在誤導(dǎo)”。

相較而言，AQ則是基于“它與地方衛(wèi)健委合作，具備合法身份、數(shù)據(jù)來源合規(guī)，在醫(yī)生使用的邏輯上更讓人安心”。鄭山海說。

張喆也表示，AI一旦深入手術(shù)室這種高風(fēng)險(xiǎn)場景，其最大挑戰(zhàn)不是建模能力，而是可解釋性和信任機(jī)制。張喆強(qiáng)調(diào)，當(dāng)前許多通用模型“是先做出一個(gè)算法，再拉醫(yī)生來驗(yàn)收”，如果沒有醫(yī)生參與構(gòu)建過程，會導(dǎo)致這類大模型缺乏必要的參與機(jī)制與責(zé)任邊界，進(jìn)而導(dǎo)致難以在醫(yī)院真正落地。

陸軻同時(shí)指出，像 AQ 這樣的產(chǎn)品，并非“閉門造車”，其研發(fā)基礎(chǔ)建立在臨床知識圖譜與醫(yī)生反饋機(jī)制之上，更貼近醫(yī)院真實(shí)的工作場景與決策流程，具備較強(qiáng)的實(shí)用性和可落地性。

陸軻進(jìn)一步解釋，AI 若要真正融入醫(yī)療體系，必須明確其應(yīng)用邊界與角色定位。當(dāng)前醫(yī)療 AI 的使用可以分為三個(gè)層級：患者自用（如健康咨詢、服藥提醒）、基層醫(yī)生輔助（如初診分診、慢病隨訪）以及專家決策支持（如輔助診斷、術(shù)前規(guī)劃）。不同層級對應(yīng)不同的風(fēng)險(xiǎn)等級，也應(yīng)設(shè)置不同的幻覺容忍度和審核機(jī)制。

“就像電影有分級制度一樣，醫(yī)療 AI 也需要根據(jù)使用人群、使用場景以及預(yù)期干預(yù)深度，制定相應(yīng)的分級準(zhǔn)入和監(jiān)管體系，”陸軻強(qiáng)調(diào)。

因此，AQ的專業(yè)性來源不僅是算法，還有其背后持續(xù)運(yùn)作的“醫(yī)生反饋微調(diào)機(jī)制”。據(jù)螞蟻方面介紹，目前已有超過百位醫(yī)生參與模型訓(xùn)練，并設(shè)有20位三甲醫(yī)院學(xué)科帶頭人組成的顧問團(tuán)，對輸出結(jié)果進(jìn)行周期性評估和優(yōu)化。這種由人類醫(yī)生作為“啄木鳥”反復(fù)調(diào)整模型行為的機(jī)制，使得AQ在語料質(zhì)量、診療思維貼近性、判斷邏輯可靠性等維度，明顯優(yōu)于通用模型依賴“爬蟲文本+自監(jiān)督學(xué)習(xí)”的訓(xùn)練方式。

在模型提示語設(shè)計(jì)方面，AQ也體現(xiàn)出更高的自律。例如所有輸出內(nèi)容均以“AI生成”標(biāo)注，不作為最終醫(yī)療建議，而是引導(dǎo)用戶在必要時(shí)“仍需就診”或“建議咨詢醫(yī)生”。這一做法雖然在體驗(yàn)上少了些“果斷”，卻在醫(yī)院評估其安全性和合規(guī)性時(shí)，反而加分。

在監(jiān)管層面，國家對AI醫(yī)療產(chǎn)品的態(tài)度也愈發(fā)審慎。2024年11月，國家衛(wèi)生健康委辦公廳、國家中醫(yī)藥局綜合司、國家疾控局綜合司聯(lián)合發(fā)布的《衛(wèi)生健康行業(yè)人工智能應(yīng)用場景參考指引》明確了不同AI產(chǎn)品的應(yīng)用場景。

AQ則是在“咨詢+連接+輔助”層級內(nèi)進(jìn)行設(shè)計(jì)，沒有越過醫(yī)療倫理和法規(guī)邊界。這種“自控型產(chǎn)品設(shè)計(jì)”也使得它更容易通過醫(yī)院的信息安全、倫理審查環(huán)節(jié)。

正如清華大學(xué)第一附屬醫(yī)院重癥醫(yī)學(xué)科主任醫(yī)師晁彥公所說，AI技術(shù)的發(fā)展不僅將改變醫(yī)生的工作方式，也可能對整個(gè)醫(yī)療體系產(chǎn)生深遠(yuǎn)影響?！拔磥頃纬梢环N新的范式，是用另外一種方式去定義醫(yī)療體系、定義人與人之間的交往關(guān)系，包括醫(yī)生和患者之間的信息傳遞，甚至是信任結(jié)構(gòu)?！?/p>

從這個(gè)意義上講，AQ所代表的，是一種“可監(jiān)管、可解釋、可交接責(zé)任”的AI范式。它未必是最聰明的AI，卻可能是醫(yī)院，醫(yī)生們更愿意接受、可以納入制度體系、并能讓醫(yī)生放心使用的AI。技術(shù)再好，如果沒有規(guī)則的約束與制度的配合，也難以真正進(jìn)入醫(yī)療系統(tǒng)；而AQ正在用制度感、安全感、邊界感，為AI在醫(yī)院體系中找到穩(wěn)定的位置。

新京報(bào)記者 肖隆平

編輯 鄭偉彬

校對 柳寶慶