AI制圖

參觀者在2025年中國國際服務貿易交易會上體驗AI問診。 　　陳曉根攝（人民視覺）

　　拿到體檢報告，卻看不懂異常指標；身體出現輕微不適，猶豫去不去醫院……近年來，螞蟻阿福、小荷AI醫生、訊飛曉醫等AI健康應用相繼推出，AI健康通過輔助問診、報告解讀、運動康復等功能，正為人們提供更便捷的醫學解釋與日常健康陪伴。

　　醫療大模型驅動問診

　　家住北京的王先生談及最近使用一款AI健康應用的經歷。王先生說，自己連續幾天喉嚨痛，不確定是否要去醫院，于是向AI描述了情況。系統接連詢問了持續時間、是否伴隨發燒、近期作息和既往病史等細節，給出了可能的原因分析，建議癥狀持續或加重再考慮就醫。

　　“身體不適時，我容易疑神疑鬼，有些癥狀跑趟醫院相當折騰，直接詢問AI健康應用確實方便。”在王先生看來，這類健康AI像一個隨時隨地陪伴的醫生朋友，緩解了他的焦慮。

　　和王先生一樣，越來越多人開始在日常健康問題上嘗試向AI求助。盡管在實際使用中仍保持一定觀望，但從產品形態來看，互聯網健康服務正發生明顯變化。

　　過去，許多互聯網健康類產品更接近于“醫學搜索引擎”。當用戶輸入“頭痛、發燒怎么辦”等問題時，系統往往給出系列百科式解釋，并附帶一些通用健康建議。這類產品雖然信息豐富，但缺乏針對性，用戶仍需要自己判斷哪些內容真正適用于自身情況。

　　而在新一代AI健康應用中，問診方式正在發生變化。系統通過引入真實的臨床診療思路，以結構化的多輪主動追問替代簡單問答，圍繞病史、癥狀細節、用藥情況等持續補充信息，并在綜合評估后給出更具指向性的判斷與行動建議。

　　這種變化離不開醫療大模型的持續提升。通過對醫學指南、臨床文獻和真實醫療數據進行訓練，大模型可以逐漸模擬醫生的臨床思維路徑，從而實現更專業的健康咨詢服務。

　　例如AI健康應用螞蟻阿福，其底層醫療大模型通過中國信息通信研究院醫療健康領域評估，在專業評測榜單HealthBench、MedBench等指標中，該模型在多項能力維度上表現領先。螞蟻健康方面表示，多名院士專家以及三甲醫院學科帶頭人參與了產品問答思維與評估標準的設計。

　　業內普遍認為，醫療大模型不僅需要算法能力，更需要專業醫學知識的持續輸入與驗證。通過引入臨床指南、真實病例數據以及專家評測體系，AI健康應用才能逐步接近醫療級專業水平。

　　除了回答問題，AI健康應用也開始嘗試承擔更多實際服務功能。小荷AI醫生相關負責人談到，在模型能力趨于完善的前提下，他們正探索從線上咨詢到線下服務的連接，尤其聚焦于分診導診、檢驗檢查和處方購藥這三類高頻、剛性的行動需求，通過與當前真實醫療服務體系合作，向服務閉環邁進。

　　從“被動治病”到“主動預防”

　　AI健康與過去健康產品更深層的差異，還在于服務模式的轉變。AI健康應用從一次性問診回應，正走向貫穿健康全周期的持續管理，將服務鏈條延伸至“防、篩、診、治、管”的多個環節。在診前幫助用戶判斷癥狀與就診必要性，在診后承接隨訪、用藥提醒和健康監測，使健康服務從低頻的看病就醫，轉變為日常生活中的持續陪伴。

　　例如，一名長期患有高血壓的用戶在咨詢腎功能異常問題時，如果系統能夠調取其既往健康記錄，就能擴大分析范圍并提示相關風險，而不是僅根據單次癥狀給出泛化解釋。

　　這種全周期服務能力，離不開個人健康數據的長期積累與整合。當AI系統逐步沉淀用戶的既往病史、用藥信息及體檢記錄，其對個體健康狀況的判斷便不再局限于一次對話，而是建立在更完整的個人健康檔案之上。

　　訊飛醫療相關負責人表示，過去的互聯網醫療是醫療服務線上化的遷移，核心是“連接”，解決老百姓看病方便的問題；而AI健康是全周期智能化服務，核心是“分析與決策”，精準、高效、持續解決每個人健康管理的問題。

　　在硬件生態方面，一些AI健康應用已經與智能手表、體脂秤、血壓計等設備連接。螞蟻健康方面介紹，螞蟻阿福目前已接入10多家主流智能設備廠商，未來將進一步拓展合作伙伴，推動個人健康數據形成更完整的管理閉環。

　　“對大眾來說，AI讓更個性、更主動的健康服務和陪伴成為可能，幫助大家從‘被動治病’到‘主動預防’，養成主動健康管理的好習慣。”螞蟻健康相關負責人說。

　　AI與醫生協作

　　盡管AI技術不斷進步，但醫生仍然是醫療體系中不可替代的核心力量。

　　“診療是一個復雜的過程，其不僅依賴于醫生的醫學專業能力，也與患者的知識水平、表達能力等密切相關。診斷不只是看數據、看癥狀，做邏輯推理，還包括通過面對面的溝通和查體，發現患者無法用語言準確表達的身體隱患。”小荷AI醫生相關負責人表示，AI更適合承擔信息收集、初步分析以及健康管理等輔助工作，是用來放大醫生價值、補全醫療體系服務短板的工具。

　　在實際診療中，醫生與AI可以形成一種互補分工。AI可以承擔大量重復性工作，例如基礎問診、報告初步解讀、用藥提醒和慢病隨訪等。這些工作往往耗費醫生大量時間，但技術上可以實現自動化。另一方面，醫生的臨床經驗與專業判斷又可以反過來幫助訓練和校準醫療大模型，使AI系統更加可靠。

　　目前，一些平臺已經開始探索醫生參與AI服務的新模式。例如，醫生可以在平臺上創建“AI分身”，將自己的專業知識轉化為數字化服務，為更多用戶提供咨詢幫助。

　　專家指出，AI健康的發展仍面臨多方面挑戰，包括醫療數據隱私保護、模型能力驗證、監管規則完善等問題。醫療場景本身高度復雜，同一癥狀背后可能對應多種疾病，AI系統的安全性與可靠性需要長期驗證。隨著技術進步和行業規范逐步完善，AI健康有望成為醫療服務體系的重要補充。