春天来了，花香扑鼻而来，可是你却闻不到。鼻腔里似乎被堵住了，喷嚏一个接一个。每年到这个时候都会如此，是感冒还是过敏？

你想买点药，但又苦于无法对症。去医院，麻烦不说，还担心被传染上其他病菌，得不偿失。

想来想去，你打开手机上的蚂蚁阿福，向它描述了你的病症，对方深度思考，列出参考资料，再追问分析，几轮交互，最后给出一个结论，以及用药和注意事项。当然，还有一行小字，“内容由AI生成仅供参考，持续不适请及时就医”。

现在，选择权在你的手中——信，或者不信。

AI医生来了

如果说到AI医疗应用，恐怕大多数人第一个想到的就是蚂蚁阿福。2025年12月，这款AI问诊App进入大众的视野，通过文字或照片描述病症，就能获得一份诊疗建议，更关键的，它还是免费的。在线上线下的密集宣传中，它迅速深入人心，成为年轻人春节回家推荐给家中长辈的首选健康管理应用。

实际上，面向用户端（C端）的AI医疗产品并不少，科大讯飞在2023年10月推出的讯飞晓医，字节跳动在2025年6月完成备案的小荷AI医生，都是直接面向C端用户的AI医疗产品。

人工智能与医疗健康的融合，已成为科技创新的新赛道，从肿瘤早筛到临床诊断，从新药研发到慢病管理，AI正在全方位改变传统医疗的效率、精度与可及性。然而，此前AI医疗的应用多面向B端，作为辅助医疗的工具，和普通人少有交集。

真正让AI医疗和用户产生交互的，是生成式人工智能和大模型被用于医疗领域。生成式人工智能（Generative AI，简称 GAI）属于 AI 机器学习技术的一部分，可以根据训练数据进行推断并生成新的内容，最受关注的是其文本导向型 AI会话能力，可实现拟人化的互动，便于人们与其进行交流，这和医疗问诊场景高度契合。

2023年，ChatGPT横空出世，在全世界掀起一阵旋风，各科技企业纷纷建成自己的大模型。然而，在高严谨性、高专业性、低容错要求的医疗领域，通用人工智能模型无论是在专业精度、知识更新，还是在安全性上都存在明显短板，因此，在医疗场景中，AI模型和产品都相对垂直，如果科技企业没有医疗资源和数据，很难在生成式AI医疗领域取得突破。

互联网金融出身的蚂蚁集团，天然带有医疗基因。从2014年第一次在医院实现手机挂号缴费开始，12年来，支付宝覆盖了超过7亿医保支付用户和3600家医院的资源网络。2024年末，蚂蚁完成对好大夫在线的并购，整合了好大夫的29万名注册医生资源，并将好大夫在线问诊服务接入支付宝医疗健康频道。2025年6月，蚂蚁打造出AI健康管家AQ，涵盖健康科普、就诊咨询、报告解读、健康档案等上百项AI功能。同年12月，AQ正式更名为蚂蚁阿福。至此，蚂蚁集团构建了一个覆盖机构、医生、用户的全场景服务闭环。

字节跳动的医疗基因或来自于内容平台上的医疗科普，但真正开始在医疗赛道布局，则是源于2020年初对百科名医网的收购，并将其更名为“小荷医典”，作为医学科普内容的底层数据库。同年9月，字节跳动收购幺零贰四科技，成立极光部门，推出小荷健康品牌，正式进军互联网医疗。在搭建线上平台的同时，字节也在线下通过收购和控股，将松果门诊、美中宜和以及宏达爱瑞等实体医疗机构纳入麾下。

科技大厂进军医疗领域的野心不光是给用户做健康管理，也希望能够帮助医生提升工作效率，所以就有了针对医生端（D端）的布局，功能涵盖从病历整理到文献检索，从医疗循证到辅助诊断的各个方面。比如蚂蚁阿福PC端、阿里的氢离子、京东健康的AI京医、医渡科技的医渡智循等。

相较于C端产品定位为健康助手，主要针对慢病轻症提供咨询的功能，D端产品无论在专业度、精准度还是安全性上，都提出了更高的要求，当然，也承担着更多的风险。《中国慈善家》询问多位来自省会城市三甲医院的医生，发现他们面对AI医生助手，大多采取了审慎的态度。

“像我们这样的三甲医院，医生还是喜欢按自己的套路看病。”某省会城市的一位医生告诉《中国慈善家》，对于AI，她所在医院的态度是“可以用但不允许依赖”，不过她本人不用，同事也很少用。“也就整理病历吧，住院医师会用得多一些，AI对于医疗决策作用不大。”

今年年初，复旦大学附属华山医院感染科主任张文宏一番“拒绝将AI引入其所在医院电子病历系统”的言论引发热议。张文宏担忧，一名医生若从实习阶段就未经完整的诊断思维训练，直接借助AI获得结论，将导致其无法鉴别AI诊断的正误。这种能力的缺失，是隐藏在技术便利背后的深层隐患。

针对张文宏的观点，百川智能创始人王小川回应称，如果在一些场景中，AI+医疗已经优于单个医生，却因为担心医生成长而去限制AI，可能就限制了最有利于病人的医疗措施。“医生的成长是不能以当下患者作为成本的。”

上述两人的言论也代表了在医疗这个严肃的领域，专业和技术的交锋。

当医院主动拥抱AI

进入AI医疗赛道的，不光是科技大厂，还有主动拥抱新趋势的医院。

在清华大学医学院肝胆医院（北京清华长庚医院肝胆胰中心）的智慧诊室，“AI肝胆超级医生”研发团队成员王伟铮向《中国慈善家》模拟了AI在门诊中的真实应用。

当患者坐到诊室时，医生通过医院信息系统（HIS）一键进入“AI肝胆超级医生”界面，系统瞬间调出该患者在清华长庚的全部历史数据，但真正让这套系统区别于一般AI医疗产品的，是它接入了北京市卫健委主导推动的“医生共享助手”平台。在获得患者授权后，系统能实时调取患者在全市共享助手覆盖医院的检查结果，这意味着AI拥有了接近完整的患者医疗数据视图，而不是仅凭单次就诊的碎片信息做判断。

“AI能把散落在不同医院的拼图拼起来，这对肝胆疾病尤其重要——因为它是一个慢性进展性疾病，医生需要看到完整的时间线，才能判断病情处在什么阶段、恶化速度有多快。”王伟铮说。

在医患沟通过程中，系统还会实时整理双方对话中的关键信息，结合已有数据，给出病情评估和诊疗建议，供医生开处方时参考。

“AI肝胆超级医生”由中国工程院院士、北京清华长庚医院院长董家鸿团队领衔研发。与科技企业“先有算法再找数据”的路径不同，这套系统走的是一条“从临床中来、到临床中去”的反向路径——先有四十年的肝胆外科实践，有实体化的多学科诊疗中心，再用AI将这些经验系统化、规模化。

“在系统编制时，我们一方面采用了全球公认的诊疗指南，另一方面根据我们的经验对指南进行本土化落地。”北京清华长庚医院肝胆胰中心（肝胆院）执行院长魏来向《中国慈善家》介绍，由于中国的肝胆疾病谱有自身特点——乙肝感染率高、脂肪肝增速快、很多患者发现时已是中晚期，照搬欧美指南并不完全适用，需要结合中国患者的真实数据进行校准。

支撑这套系统的底层数据来自董家鸿团队牵头、联合多家医疗机构共同建设的国家肝胆疾病标准化数据库，超过10万份经过结构化处理的病历为算法提供了训练素材。而在实践层面，则依托北京清华长庚医院打造的实体化肝胆胰中心——将肝胆内科、外科、介入科、肿瘤科、移植科和重症肝胆疾病科六大学科整合在同一个物理空间和管理体系中，为患者提供一站式全程治疗。

肝癌作为我国新发病例数排名第四，死亡率排名第二的恶性肿瘤，其首要危险因素是乙肝病毒感染。感染乙肝病毒后，一部分人可能长期处于无症状携带状态，一部分人则进展为慢性乙型肝炎，控制不好会逐步发展为肝硬化，最终部分患者进展为肝癌。

从患者全生命周期管理来看，如果只是携带者，首先由肝胆内科负责监测随访，一旦发展成肝炎、肝硬化，仍由肝胆内科主导治疗，但如果肝硬化过程中出现并发症，可能需要介入科介入；如果发展成肝癌，则需要涉及外科切除、肝胆肿瘤科的介入乃至移植科移植；重症肝病患者被收治到肝胆ICU。整个治疗过程都能在这个实体化的肝胆胰中心完成，实现连贯治疗。

魏来以乙肝和脂肪性肝病这两个肝脏疾病病种来举例AI的训练过程。乙肝代表的是一种病程从轻到重，根据疾病周期进行的纵向发展过程中的诊断、治疗和监测随访，在疾病过程中涉及肝脏相关的各个科室；脂肪性肝病的特点则是常常伴有血糖高、血脂高、血压高的病症，涉及到肝胆胰中心和其他平行科室的协同。“一个是贯穿了患者的全生命周期，另一个则是跨学科的立体交叉。”

目前，这套AI肝胆超级医生初步具备了帮助基层医生、全科医生、非肝胆疾病专科医生对肝胆疾病的初步诊断和治疗路径，以及各个相关科室如何协作、如何衔接的系统性知识。相较于通用AI医疗产品主要回答“这个症状可能是什么病”，AI肝胆超级医生要回答的是“这个病人现在走到哪一步了，下一步该怎么办，由谁来做”。

基于这样的协作体系，AI肝胆超级医生不光能用于问诊场景，还能为手术规划提供参考。外科医生将患者相关信息嵌入手术规划系统，可查看模拟手术的操作流程。在讨论手术方案时，系统会以三维立体的方式在屏幕上呈现病灶的位置、大小、形状，实现肝脏的可视化、可量化。

在现实中，每位医生的诊疗风格不同，有的保守，有的激进，但在AI肝胆超级医生这里，它被设定为偏温和的风格，无论从治疗方案、精准手术，还是后期用药方面，它会给出多套方案及各自的评估，最终由医生进行综合判定。

可以信赖AI医生吗？

不久前，自媒体博主吕坤（网名：稳定的坤）针对市面上的几款具有代表性的AI医疗产品，做了一场测评。

吕坤是一名“00后”医学生，此前，他曾就AI医疗议题，组织过一个由医生、技术与产品从业者参与的行业交流平台，并围绕不同医生群体面对的真实场景，对多款AI医生助手做过一些比较性观察。但每次测评结果都不乐观——一些医疗垂直类AI产品，甚至在第一关“临床安全红线”就触发警报，遭到一票否决。

这一次，吕坤和实习医生李竺玉决定就AI写病历这一功能开展测评。他们选取了4个通用大模型，5个垂直医疗产品，设计了一道“心内科胸闷患者拟收入院前的首份结构化入院记录整理任务”。

试题来自李竺玉在门诊场景真实面对的病例。患者是一位63岁女性，她的自述充斥着“胸口这块儿不舒服、闷得慌”“冒酸水”“手和脚没力气”等非结构化表达。同时夹杂着冠心病、糖尿病、高血压的既往史，以及明确的青霉素过敏史。

“真实的医疗场景充满了口语化、冗余信息以及关键信息的缺失。”吕坤表示，他们给AI下达的，其实是四层任务，第一是整理病历，第二是医学推理，第三是诊断，第四是启发思考和学习辅导。“我们关注的是场景测评和用户视角测评，而现实中实习医生面对这样的情况，并非只是抄写一份病历完成任务，更是为了学习诊断知识和临床技能。”

结果令人大跌眼镜，和通用模型相比，垂直医疗产品找文献的能力很强，但在遵守病史事实底线方面几乎全军覆没。“真正拉开差距的不是‘知识储备’，而是还原事实。它们为了输出一份结构完美的病历，会按标准模板大面积捏造患者未曾提及的症状，如自动补全‘无头晕头痛、无恶心呕吐’等。”吕坤说。

这个现象在生成式AI应用中，被称作AI幻觉，即大语言模型编造它认为是真实存在的甚至看起来合理或可信的信息。

这也是AI医疗当下面临的尴尬困境——尽管国家政策、技术发展、社会需求给医疗+AI创造了良好的土壤，但目前医疗AI还处在初级阶段，数据滥用、算法偏见、责任模糊等风险和伦理问题也依然存在。如何让AI变成医生的助力而不是添乱？

对此，清华长庚医院的办法是从算法上，给“AI肝胆超级医生”做了一系列限制。“如果不限定，就可能出现错误的搜索性算法。而AI肝胆超级医生的底线，是指南不能随意改动。”王伟铮向《中国慈善家》介绍，在基于推理大模型之外，AI肝胆超级医生大模型采用常规检索性搜索算法，指南只能作为搜索内容被引用，不允许用做模型推理。

而在对话功能上，也严格限定了系统的回答范围，团队基于日常遇到的情况和经验，给算法提供了1500道问答，在此基础上，每周技术团队和医疗团队会开会讨论，隔段时间对问答进行更新及检验，让AI只能在算法给出的范围内提供内容，而无法超出限制。

“市面上很多AI医疗产品追求的是‘能回答多少问题’，而我们追求的是‘不该说的一定不说’。”王伟铮解释说，这种设计哲学不是让AI“更聪明”，而是让AI“更可靠”。

守住AI执医的边界

无论C端还是D端，无论是科技大厂还是医院自研，AI医疗真正要落地，都需要面对一个核心问题，那就是信任。然而，面对一个爱编造事实、喜欢胡说八道、还不肯负责任的AI，我们为何还要使用它？我们还能怎样使用它？

这也就涉及到AI+医疗的目标。在中国，AI+医疗除了提升效率外，还肩负着均衡医疗资源的重任。2025年10月，国家卫健委等部门发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，提出了8个方向24项重点应用，其中一个方向就是深化人工智能在基层的应用。‍

2024年10月17日，江苏省南通市通州区人民医院手术室内，医生们进行智能机器人辅助操作右膝关节双间室置换手术。图｜视觉中国

这也是“AI肝胆超级医生”的一项重要使命。目前这套系统已在北京昌平区的南口镇社区服务中心、北七家社区服务中心以及天通苑北社区卫生服务中心，以及朝阳区垂杨柳医院下属的社区卫生服务中心进行试点。

这并非只是“把三甲医院的系统搬到社区”。AI肝胆超级医生在基层承担的角色，更接近于一个“全科医生身边的专科顾问”。魏来以一个典型场景为例：社区体检中发现一位居民转氨酶偏高，社区医生过去的做法可能是直接建议“去大医院看看”，但具体挂哪个科、需不需要先做影像检查、紧急程度如何，往往说不清楚。现在，AI可以结合这位居民的体检数据、既往病史，快速判断他是单纯的脂肪代谢问题，还是乙肝进展的信号，并给出明确的建议：需要做什么检查，是否需要转诊，转到哪个专科。

“AI在这里做的事情，本质上是把北京清华长庚肝胆胰中心的多学科判断能力，前置到了社区第一关口。”魏来说，“但采信与否，最终由医生根据经验决定。AI不替代判断，它降低的是信息不对称。”

如果说科技企业做的C端AI医疗，连接的是人和信息，那么AI肝胆超级医生在社区的部署，连接的是基层医生和三甲医院的诊疗能力——这是两种不同维度的“可及性”。

从这个角度来看，医疗+AI不是简单的技术叠加，而是一场真正关乎医疗模式、服务效能和健康公平的深刻变革。

作者：贺斌

图片编辑：张旭

值班编辑：张旭