當(dāng) AI 醫(yī)療從「能查」走向「可信」，變革才算真正開(kāi)始。

在循證醫(yī)學(xué)領(lǐng)域，一個(gè)根本性的矛盾正愈演愈烈。

醫(yī)學(xué)知識(shí)在以每年超百萬(wàn)篇醫(yī)學(xué)論文發(fā)表的速度爆炸式增長(zhǎng)，臨床指南更新周期從數(shù)年壓縮到數(shù)月。但醫(yī)生的認(rèn)知帶寬卻是有限的——沒(méi)有人能記住所有指南，更不用說(shuō)追蹤最新研究。

這個(gè)矛盾催生了巨大的市場(chǎng)需求。在美國(guó)，OpenEvidence 的月度醫(yī)生咨詢(xún)量從 2024 年的 36 萬(wàn)次飆升至 2025 年的 850 萬(wàn)次，增長(zhǎng)超過(guò) 20 倍。超過(guò) 45% 的美國(guó)醫(yī)生已經(jīng)高頻使用 AI 輔助決策。

在中國(guó)，已有超過(guò) 1000 家醫(yī)院部署 AI 系統(tǒng)，但始終缺乏一個(gè)真正成熟、嚴(yán)謹(jǐn)且可托付的循證產(chǎn)品，讓醫(yī)生面對(duì)復(fù)雜臨床決策時(shí)能夠放心交付。這一困境，正被一家深耕醫(yī)療 AI 與大數(shù)據(jù)技術(shù)十余年的公司解開(kāi)。

近期，中關(guān)村論壇年會(huì)上，醫(yī)渡科技與清華長(zhǎng)庚醫(yī)院等頭部醫(yī)院共同啟動(dòng)了「中國(guó)臨床循證智能能力建設(shè)計(jì)劃」，與此同時(shí)，作為計(jì)劃核心技術(shù)載體與落地產(chǎn)品的「醫(yī)渡智循」發(fā)布了 APP 版本——一款定位為醫(yī)生「超級(jí)助手、第二大腦、多學(xué)科智能體專(zhuān)家顧問(wèn)團(tuán)」的臨床循證決策系統(tǒng)。與市面上多數(shù)從公開(kāi)文獻(xiàn)或 C 端切入的醫(yī)療 AI 不同，醫(yī)渡智循的基因根植于醫(yī)院。歷經(jīng)真實(shí)診療全流程打磨，并依托與頂級(jí)醫(yī)院共建的 200 余個(gè)專(zhuān)科智能體，最終實(shí)現(xiàn)從院內(nèi)到院外的成熟遷移。

它究竟如何破解醫(yī)療 AI 的「信任」難題？我們一起來(lái)拆解。

01

從「能查」到「可信」，

醫(yī)療 AI 的最后一公里

醫(yī)療 AI 已成為全球人工智能賽道中增長(zhǎng)最快、資本最集中的領(lǐng)域之一。據(jù)知名行研機(jī)構(gòu) FortuneBusinessInsights 報(bào)告，2025 年全球醫(yī)療 AI 市場(chǎng)規(guī)模達(dá) 393.4 億美元，2026 年將飆升至 560.1 億美元，2026-2034 年復(fù)合年增長(zhǎng)率（CAGR）高達(dá) 43.96%，遠(yuǎn)超 AI 整體行業(yè)平均增速。

然而，國(guó)內(nèi)醫(yī)療 AI 的落地卻面臨一個(gè)現(xiàn)實(shí)挑戰(zhàn)：大部分醫(yī)生并不知道如何信任 AI。

北京某三甲醫(yī)院眼科王醫(yī)生坦言：「指南更新快、門(mén)診量大、診療時(shí)間短，醫(yī)生很難實(shí)時(shí)查閱最新文獻(xiàn)，循證要求難以完全落到實(shí)處。而且證據(jù)零散、缺乏分級(jí)與溯源工具，醫(yī)生往往只能依賴(lài)傳統(tǒng)經(jīng)驗(yàn)主義?！?/p>

廣州某三甲醫(yī)院心臟中心李醫(yī)生也表達(dá)了類(lèi)似的困擾：「醫(yī)生的經(jīng)驗(yàn)有限，面對(duì)少見(jiàn)病例時(shí)，往往需要文獻(xiàn)支撐。但不同國(guó)家、不同時(shí)期的指南和共識(shí)可能不一致，你不知道哪個(gè)更可信。」

更令人擔(dān)憂(yōu)的是，即便使用現(xiàn)有 AI 工具，也常常遭遇「信任危機(jī)」。王醫(yī)生直言：「無(wú)論是 DeepSeek 還是 ChatGPT，都存在『編文獻(xiàn)』的問(wèn)題。它看似給你一個(gè)完美的答案，但當(dāng)你去尋找原始文獻(xiàn)時(shí)，發(fā)現(xiàn)都是假的?！?/p>

一個(gè)明顯的例證是：許多醫(yī)生已在私下使用 AI 做資料檢索，但一旦涉及正式的臨床決策，態(tài)度立刻變得謹(jǐn)慎——信息可以「查」，決策卻不敢「信」。

這正是醫(yī)渡智循試圖破解的核心命題：如何讓 AI 從「能查信息」進(jìn)化為「可托付循證決策」。而要解答這個(gè)問(wèn)題，需要回到技術(shù)本身。

02

一場(chǎng)針對(duì)幻覺(jué)的工程化「圍剿」

醫(yī)渡智循的技術(shù)能力，并非平地起高樓，而是植根于醫(yī)渡科技十余年的沉淀。醫(yī)渡科技的「AI 醫(yī)療大腦」YiduCore 累計(jì)處理分析近70 億份醫(yī)療記錄，在醫(yī)學(xué)知識(shí)處理、加工算法領(lǐng)域具備深厚積累，可將臨床指南中的非結(jié)構(gòu)化信息，精準(zhǔn)提煉為 AI 可用的結(jié)構(gòu)化知識(shí)形態(tài)。這也是醫(yī)渡智循實(shí)現(xiàn)「句句可溯源」的底層基礎(chǔ)。

醫(yī)渡智循本質(zhì)上是一個(gè)基于檢索增強(qiáng)生成（RAG）的循證決策系統(tǒng)，但其技術(shù)實(shí)現(xiàn)遠(yuǎn)不止「向量檢索+大模型總結(jié)」的簡(jiǎn)單組合。為了實(shí)現(xiàn)臨床可接受的低幻覺(jué)率，避免生成結(jié)論與引用文獻(xiàn)「張冠李戴」，醫(yī)渡智循在檢索與生成兩大核心環(huán)節(jié)進(jìn)行了全流程的精細(xì)化設(shè)計(jì)。

在檢索環(huán)節(jié)，醫(yī)渡智循搭建了醫(yī)療專(zhuān)屬的知識(shí)篩選體系，參照臨床醫(yī)生的判斷邏輯，對(duì)海量文獻(xiàn)做前置篩選，僅保留權(quán)威指南（3 萬(wàn)+）與高質(zhì)量文獻(xiàn)（500 萬(wàn)+），并進(jìn)行權(quán)威度、時(shí)效性的分級(jí)排序（參考 GRADE 證據(jù)分級(jí)邏輯）。更關(guān)鍵的是，針對(duì)醫(yī)療知識(shí)易因上下文缺失產(chǎn)生歧義的問(wèn)題，系統(tǒng)將適應(yīng)人群、治療階段、疾病分型等核心場(chǎng)景信息精準(zhǔn)掛載到每一個(gè)知識(shí)分片上，使檢索不再是單純的語(yǔ)義匹配，而是疊加了多維度臨床條件的精細(xì)化匹配，確保召回的知識(shí)點(diǎn)精準(zhǔn)適配臨床問(wèn)題。

在生成環(huán)節(jié)，醫(yī)渡智循專(zhuān)門(mén)增設(shè)了「驗(yàn)證」關(guān)卡，對(duì)生成結(jié)論做反向核驗(yàn)，逐一核查每一條結(jié)論是否能從標(biāo)注引用的原文中找到明確的證據(jù)支撐，無(wú)法驗(yàn)證的內(nèi)容會(huì)被直接剔除，從工程層面徹底避免「引用 A 文獻(xiàn)、生成 B 結(jié)論」的問(wèn)題。

然而，技術(shù)手段難以做到絕對(duì)的零幻覺(jué)，醫(yī)療場(chǎng)景的嚴(yán)肅性又要求必須有兜底方案。醫(yī)渡智循將產(chǎn)品層面的溯源能力做到極致：生成內(nèi)容的溯源粒度細(xì)化到「句號(hào)」級(jí)別，每一句話(huà)都能精準(zhǔn)關(guān)聯(lián)到對(duì)應(yīng)的權(quán)威來(lái)源，且原文中匹配的核心內(nèi)容會(huì)做高亮展示。這意味著，即便存在極少數(shù)極端情況，醫(yī)生也能以極低成本快速完成人工校驗(yàn)。

這套從檢索源頭把控、生成環(huán)節(jié)校驗(yàn)，到產(chǎn)品層面兜底的全流程技術(shù)體系，使醫(yī)渡智循在引用準(zhǔn)確性與幻覺(jué)率控制上優(yōu)于行業(yè)多數(shù)產(chǎn)品，讓 RAG 技術(shù)在醫(yī)療場(chǎng)景中真正實(shí)現(xiàn)了「可控檢索、可信生成」。

03

多專(zhuān)科智能體協(xié)作：

從「泛化 AI」到「專(zhuān)科級(jí)智能」

除了可信，通用醫(yī)療 AI 產(chǎn)品還面臨另一個(gè)困境：回答常見(jiàn)問(wèn)題尚可，一旦涉及專(zhuān)科深度問(wèn)題，答案就變得泛泛而談。

要實(shí)現(xiàn)醫(yī)療 AI 的專(zhuān)科級(jí)智能，核心在于讓模型真正理解各專(zhuān)科的診療邏輯、循證體系與臨床實(shí)操規(guī)范。醫(yī)渡智循的解法，是構(gòu)建一套多專(zhuān)科智能體協(xié)作引擎，不再依賴(lài)單一通用模型，而是針對(duì)不同專(zhuān)科、不同疾病領(lǐng)域，打造專(zhuān)屬的專(zhuān)科智能體，讓每個(gè)智能體都成為對(duì)應(yīng)領(lǐng)域的「專(zhuān)科專(zhuān)家」。

這些智能體并非憑空構(gòu)建，而是從院內(nèi)場(chǎng)景遷移而來(lái)。過(guò)去幾年，醫(yī)渡科技與中山大學(xué)腫瘤防治中心、北京大學(xué)腫瘤醫(yī)院、北京協(xié)和醫(yī)院等頂級(jí)醫(yī)院合作，在真實(shí)診療環(huán)節(jié)中打磨了超過(guò) 200 個(gè)專(zhuān)科智能體，覆蓋腫瘤、心血管、全科等多個(gè)方向。這些智能體曾嵌入門(mén)診醫(yī)生工作站，與醫(yī)生協(xié)同完成腫瘤分期、治療方案推薦、風(fēng)險(xiǎn)評(píng)估等任務(wù)，完成了深度臨床驗(yàn)證。

在實(shí)際應(yīng)用中，這套協(xié)作引擎會(huì)先對(duì)醫(yī)生的臨床需求進(jìn)行精準(zhǔn)解析，識(shí)別問(wèn)題背后的專(zhuān)科屬性、疾病類(lèi)型、診療場(chǎng)景等核心要素，再將需求精準(zhǔn)分流至對(duì)應(yīng)的專(zhuān)科智能體，如同為醫(yī)生組建了一支專(zhuān)屬的「多學(xué)科智能體專(zhuān)家顧問(wèn)團(tuán)」。

每個(gè)專(zhuān)科智能體都聚焦自身領(lǐng)域做深做精，既保證了 AI 輸出的專(zhuān)科精準(zhǔn)度，又通過(guò)協(xié)作模式覆蓋了多學(xué)科交叉場(chǎng)景，讓醫(yī)療 AI 的能力真正貼合臨床的專(zhuān)科化需求。

這種以專(zhuān)科為核心的思路，貼合了醫(yī)療診療的本質(zhì)規(guī)律，也讓 AI 循證建議能夠真正匹配專(zhuān)科醫(yī)生的臨床決策需求，成為醫(yī)生在專(zhuān)科診療中敢用、能用、好用的專(zhuān)業(yè)支撐，為醫(yī)療 AI 從「工具」走向「臨床伙伴」奠定了核心基礎(chǔ)。

04

如何讓循證智能真正融入工作流？

在醫(yī)療 AI 落地過(guò)程中，一個(gè)長(zhǎng)期存在的困局是：院內(nèi)系統(tǒng)封閉、數(shù)據(jù)孤島林立，醫(yī)生不得不在多個(gè)系統(tǒng)間切換，循證工具往往淪為「查資料」的輔助角色，而非真正融入決策流程的「臨床伙伴」。這并非技術(shù)能力不足，而是產(chǎn)品形態(tài)與臨床工作流之間天然存在的割裂。

破解這一困局，需要 AI 真正嵌入工作流，而非停留在查詢(xún)工具層面。醫(yī)渡智循推出的醫(yī)院專(zhuān)屬版本，正是沿著這一方向所做的探索。

該版本可與醫(yī)院 HIS、EMR 等現(xiàn)有信息系統(tǒng)深度對(duì)接，實(shí)現(xiàn)患者病歷、檢查指標(biāo)、用藥記錄等真實(shí)診療數(shù)據(jù)與循證知識(shí)庫(kù)的無(wú)縫聯(lián)動(dòng)。無(wú)需醫(yī)生額外輸入，系統(tǒng)即可根據(jù)患者個(gè)體情況，自動(dòng)匹配對(duì)應(yīng)專(zhuān)科指南與智能體，生成個(gè)性化的診療建議與循證依據(jù)，讓循證智能真正嵌入院內(nèi)臨床工作流。

同時(shí)，醫(yī)院版支持針對(duì)不同醫(yī)療機(jī)構(gòu)的個(gè)性化定制：可根據(jù)醫(yī)院的學(xué)科特色、專(zhuān)科優(yōu)勢(shì)調(diào)整專(zhuān)科智能體權(quán)重，精準(zhǔn)適配院內(nèi)的藥品目錄、診療規(guī)范與質(zhì)控要求；更能聯(lián)合院內(nèi)專(zhuān)家共建專(zhuān)屬知識(shí)庫(kù)，將醫(yī)院的特色診療經(jīng)驗(yàn)、內(nèi)部共識(shí)融入循證體系，使 AI 輸出的建議更貼合醫(yī)院的實(shí)際診療需求。

醫(yī)渡智循的個(gè)人版則通過(guò)個(gè)人知識(shí)庫(kù)功能，打造專(zhuān)屬于醫(yī)生的「移動(dòng)循證書(shū)房」。醫(yī)生可在個(gè)人知識(shí)庫(kù)中自主收藏、上傳認(rèn)可的指南文獻(xiàn)、專(zhuān)科共識(shí)，按個(gè)人診療習(xí)慣與研究方向分類(lèi)整理，形成個(gè)性化的知識(shí)空間；在臨床查詢(xún)時(shí)，系統(tǒng)可優(yōu)先匹配個(gè)人知識(shí)庫(kù)中的內(nèi)容，實(shí)現(xiàn)權(quán)威通用知識(shí)與醫(yī)生個(gè)人經(jīng)驗(yàn)的有機(jī)結(jié)合。無(wú)論是門(mén)診間隙的快速查詢(xún)、院外的病例分析，還是科研時(shí)的文獻(xiàn)梳理，個(gè)人知識(shí)庫(kù)都能讓循證檢索更貼合醫(yī)生的個(gè)體需求，大幅提升使用效率。

從醫(yī)院版的院內(nèi)流程深度融合、個(gè)性化定制，到個(gè)人版的個(gè)人知識(shí)庫(kù)功能、院外靈活適配，醫(yī)渡智循實(shí)現(xiàn)了「院內(nèi)深耕+院外普惠」的全場(chǎng)景布局，讓循證智能不再是孤立的工具，而是貫穿醫(yī)生日常診療、科研、學(xué)習(xí)的全流程支撐。

05

后發(fā)優(yōu)勢(shì)：不做風(fēng)口上的產(chǎn)品

與部分從公開(kāi)文獻(xiàn)或 C 端切入的同類(lèi)產(chǎn)品相比，醫(yī)渡智循的差異化路徑清晰可見(jiàn)。

這類(lèi)產(chǎn)品往往追求用戶(hù)規(guī)模，而醫(yī)渡智循從誕生之初就扎根醫(yī)院，這種「院內(nèi)出身」的路徑，決定了其與生俱來(lái)的專(zhuān)業(yè)性和臨床適配性。醫(yī)生使用后的第一反饋是：「這個(gè)產(chǎn)品，真的是給醫(yī)生做的?！埂狝I 生成的結(jié)論、問(wèn)答的邏輯，都高度貼合臨床思維與使用習(xí)慣。

醫(yī)渡智循的發(fā)布時(shí)間，相比同類(lèi)產(chǎn)品晚了幾個(gè)月。但正如醫(yī)渡科技 CEO 徐濟(jì)銘所言：「醫(yī)生是高專(zhuān)業(yè)的群體，對(duì)新技術(shù)的接受是嚴(yán)肅謹(jǐn)慎的。直到 DeepSeek moment 出現(xiàn)，大家看到 AI 的思考鏈，才會(huì)覺(jué)得『今天的 AI 有點(diǎn)靠譜了』。」

醫(yī)渡智循選擇在行業(yè)教育基本成熟、技術(shù)成熟度達(dá)到臨界點(diǎn)后推出，既節(jié)省了市場(chǎng)教育成本，又能更清醒地聚焦于醫(yī)生的真痛點(diǎn)，避免了盲目跟風(fēng)的技術(shù)堆砌。這種「慢一步」的背后，是對(duì)醫(yī)療行業(yè)規(guī)律的深刻理解，也是對(duì)產(chǎn)品臨床價(jià)值的極致追求。

06

總結(jié)

醫(yī)渡智循的技術(shù)拆解，揭示了一個(gè)樸素的道理：在醫(yī)療領(lǐng)域，AI 的價(jià)值不在于「生成」多么驚艷的答案，而在于如何讓答案可信、可驗(yàn)證、可嵌入臨床流程。

通過(guò)檢索環(huán)節(jié)的精細(xì)化匹配、生成環(huán)節(jié)的二次校驗(yàn)、多專(zhuān)科智能體的深度沉淀，再到醫(yī)院版的布局、個(gè)人知識(shí)庫(kù)的個(gè)性化定制，醫(yī)渡智循解決的并不只是「幻覺(jué)率」的問(wèn)題，而是 AI 是否具備進(jìn)入真實(shí)醫(yī)療決策流程的「入場(chǎng)條件」。

醫(yī)渡智循的技術(shù)壁壘，本質(zhì)上是一套「讓醫(yī)療 AI 回歸循證」的方法論。它不是大模型熱潮下的短跑選手，而是一場(chǎng)以專(zhuān)業(yè)和信任為底色的長(zhǎng)跑。

在這場(chǎng)關(guān)乎生命與健康的變革中，醫(yī)渡智循正在證明：最好的技術(shù)，不是為了取代醫(yī)生，而是為了讓臨床決策回歸循證——讓每一句話(huà)都有據(jù)可依。

*頭圖來(lái)源：AI科技評(píng)論

本文轉(zhuǎn)載于公眾號(hào)「AI科技評(píng)論」

極客一問(wèn)

你如何看待醫(yī)療 AI 的落地？