前段時間，彭博社爆料蘋果將對其健康App進行修改，加強健康App與智能硬件、AI的聯動。重做的健康App將包含「AI健康教練」「食物追蹤」「鍛煉追蹤」「健康教育」四個板塊，以蘋果硬件為媒介采集用戶數據，基于AI醫生的綜合研判，向用戶給出具體健康建議。

有趣的是，當蘋果還在「網傳」推出AI醫生時，大洋彼岸的中國網民早已開啟了AI「問診」時代：

圖片來源：雷科技

在小紅書上，我們能輕松找「ChatGPT解讀化驗單」「用DeepSeek和醫生對線」的分享。要知道這些對話大模型的職責從來都不是判斷病情，而是把對話聊下去；用這種大模型「看病」，耽誤病情的可能性極高。大多數網友還是有判斷力的，知道通用模型在醫療方面的短板。

飛速發展的AI技術已改變了各行各業，為什么在醫療領域，真正的「AI醫生」仍未出現呢？

和大多數人想象的不同，AI與醫療并不是近幾年才被湊成一對的概念：早在機器學習時代，就有企業推出了輔助醫療影像診斷（X光、CT、MRI）或疾病篩查的軟件；如果將視線擴大至非臨床醫療，AI技術更是被廣泛用于藥物開發流程。

從功能上看，這些軟件都不能被當作是真正的AI醫生——因極高的開發成本，這類軟件通常只有大型醫院、疾病研究中心、醫學院等醫療「行業用戶」才能消費得起。而面向行業用戶開發也意味著這些軟件的技術門檻極高，沒讀五年醫學一般看不明白。

此外，醫療是一個高度依賴數據（經驗）的特殊行業：醫生不僅需要從患者模糊的自述中找到有用的信息，還要根據自己過去的治療經驗，給出最終的治療方案。但對醫療AI來說，經驗累積的過程「道阻且長」。

保護患者隱私與AI醫療的矛盾

無論在哪個國家，患者病歷都是高度敏感的隱私數據，除合作項目外，AI開發企業幾乎無法獲得任何可以訓練AI的數據。當然，醫療AI也可以像如今車企訓練自動駕駛一樣，用AI生成的數據訓練醫療AI，但醫療行業的特殊性導致開發者給數據打標簽的難度極大。

這也導致這些醫療行業的AI應用更像是醫生的「新工具」——他們的出現能幫助醫生作出更準確的診斷和治療，但不能取代醫生。

幸運的是，語言類AI的飛速發展補上了AI在交互上的短板，讓AI擁有直接面對患者的能力；混合式模型（Hybrid-AI）技術也在保護患者隱私的前提下，讓AI可控地接觸真實病例，像真正的醫生那樣不斷學習、進步。

圖片來源：Mayo Clinic

目前，AI醫生已經成為了不少海外國家醫療發展的下一個階段，比如以內分泌科享譽全球的梅奧診所，目前就有超過200個AI醫療項目；Google的醫療大模型Med-PaLM也在疾病初篩（邏輯判斷）和知識問答、健康科普（對話）方面有著巨大的潛力。

國內AI醫療的挑戰只多不少

從目前海外對AI醫療的應用來看，AI醫生更像一種提高效率的輔助工具。但在中國，情況就有些不一樣了。

和海外情況類似，我國同樣面臨醫療資源不均的問題。但不同于輕公立，重私立的商業化醫療體系，中國醫院的社會責任心要強得多，三甲醫院爆滿、基層醫療服務力不足、醫生資源在一線城市集中的現象也更為普遍。

在這種大環境下，中國AI醫療肩上的責任也更沉重：除了發揮AI對海量信息處理的能力，輔助醫生分析檢查結果，加速診斷外，AI醫療在國內還要承擔分診職責。

圖片來源：雷科技

這里的導診說的不是在掛號臺指導病患「哪里不舒服應該掛什么科室？」，而是更復雜的「層級分診」——將常見病、輕癥患者分流至社區等基層醫院，緩解三甲醫院的接診壓力。

但如果我們想用AI去實現分級診療（小病在社區、大病到醫院、康復回社區），AI醫療不僅要能準確判斷病情的嚴重性，更需要為患者帶來對基層醫療的信心。畢竟三甲名醫一號難求，說到底還是因為患者看重三甲名醫，看重他們有著基層醫療望塵莫及的罕見病治療經驗。

而這額外的任務，也是國產AI醫療大模型與海外AI醫療模型最大的不同。

「雙醫模式」能克服醫療資源短缺嗎？

以剛度過兩歲「生日」的百川智能為例，4月10日，百川智能CEO王小川提出了「造醫生-改路徑-促醫學」的路徑，從醫療資源、分層就診、加速AI醫療進化的三個方向，加速醫療轉型。

圖片來源：百川智能

其中「造醫生」非常好理解：根據2022年召開的第十屆中國醫院院長年會發布的《中國兒科資源現狀白皮書》中的數據，目前國內兒科醫生缺口達86042名，「逼近10萬大關」。而百川表示將在全科、兒科領域發力，用醫療大模型（AI醫生）填補醫療缺口。

「改路徑」則是以AI醫生增強基層醫療的能力，緩解基層分流帶來的額外壓力，最終將AI醫生的邊界擴大至家庭醫生，打造「家庭/全科醫生-專科/社區醫生-醫院/急救」的三級分層診療體系，緩解醫療資源緊缺的問題。

最后的「促醫學」，則是以AI醫生積累的經驗和數據，回過頭來推動臨床醫學、流行病學的發展。對于這種「患者有AI醫生、醫生有AI醫療輔助」的模式，百川智能稱之為「雙醫模式」。

嚴格監管是AI醫療進步的階梯

盡管AI醫療的進步「肉眼可見」，但在真正全面推廣之前，AI醫療行業還有很多問題需要解決：

醫療承載著極高的風險與不確定性，誤診或延誤的后果極為嚴重，患者的生命也無法「重試」。如何提高診斷準確度、消除用戶對AI醫生的疑慮，讓用戶相信AI醫生不是簡單的「AI聊天」？這是擺在AI醫療面前的第一個問題。

雷科技認為，AI醫療的發展需要一套嚴苛的監管、認證標準。這種標準不能是車企常用的「L3級」文字游戲，而是真正非黑即白的、能阻止擦邊球的審核體系。從責任邊界到數據安全，新的監管體系不能留下任何鉆空子的可能性，那些「網上就醫導致病情惡化」的案例絕對不能重演。

展望未來，隨著國內醫療大模型能力的提升和分級診療制度的推進，雷科技認為，AI醫生未來必將成為基層醫療的重要組成。而未來的醫療系統，也必將在AI的推動下重新定義。