院士、頂尖醫生為何紛紛“接入”螞蟻AQ？_風聞

　　全國10餘所頂級三甲醫院組成專業顧問團，2名院士領銜了近200餘位名醫開通AI分身。

　　撰文丨****凌   駿

　　責編丨汪   航

　　“虛擬醫生”來了！

　　今年4月，首都醫科大學附屬北京友誼醫院消化內科的醫生們聯合開展了一項工作，他們要將自己的虛擬形象，連帶多年來積累的臨牀經驗放進一款App，全國患者只需要輕觸屏幕，就能第一時間得到專業的醫療建議。

　　昨日（26日），在螞蟻集團“AI健康管家AQ啓航發佈會”上，這項服務同步上線。除了北京友誼醫院，新發布的AQ應用軟件還連接了全國超5000家醫院、近百萬名醫生，推出了包括智能問診、陪診、讀報告、問醫保、管健康等上百項健康AI服務。

　　近年來，生成式AI引爆了新一輪的技術革命，但醫療數據的複雜性和專業性導致的模型訓練難度、線上診斷結果背後潛在的醫療風險，脱離“真人醫生”後，AI醫療的長期發展面臨重重困難。

　　如何解決這些難題，真正實現醫療服務資源擴容與合理分配？在積極擁抱前沿技術的醫療領域，行業正在不斷嘗試給出全新的回答。

　　AQ App 發佈會現場

　　“虛擬醫生”來了

　　不同專科有着不同的患者羣像，對醫生來説，所面臨的臨牀挑戰也不盡相同。

　　以消化科常見的炎症性腸病為例，北京友誼醫院消化內科陳奕均醫生告訴“醫學界”，“這是一種長期的、慢性腸道炎性疾病，因此門診患者就診時，往往攜帶着厚厚一沓外院的病歷資料，光信息的採集和整理，就要花費很多時間。”

　　然而，優質醫療資源供給有限，一邊是醫生在加班加點，另一邊患者仍然抱怨得到的醫療服務時間不足。據《2024年全國醫療服務能力調查報告》，我國三級醫院僅佔醫療機構總數的7.8%，卻承擔了50%以上的門診量，其中城市的人均醫療資源是農村的2.5倍以上。

　　這也正是科室醫生們積極參與開發AI醫療產品的初衷。

　　事實上，從影像診斷到輔助決策，近年來各大醫院都在發力搭建院內AI平台，但在外院，目前針對患者的各種網站、AI問診系統，給出的信息魚龍混雜，質量參差不齊，“醫學存在學科壁壘，患者的分辨能力十分有限。”陳奕均表示。

　　因此在參與開發新系統的過程中，北京友誼醫院消化內科團隊給AI模型輸入了大量專科文獻，還針對科室臨牀經驗進行了模型加訓，並以學科帶頭人李鵬教授的個人醫療特色為虛擬模型，打造了“友誼醫院消化專科智能體”。

　　不僅僅是友誼醫院消化內科，為了讓AI分身學習不同專科的診療思路，AQ團隊還聯合了全國10餘所頂級三甲醫院組成專業顧問團，2名院士領銜了近200餘位名醫，在智能體中開通了AI分身。

　　上海仁濟醫院泌尿外科是首個和螞蟻集團合作專科智能體的醫院，科室從醫院選取了2000個標準化病歷用於訓練AI，主任潘家驊教授同樣認為，“真正高質量的醫療資源非常稀缺，這是專科診療和AI融合的一個必然原因。”

　　而在皮膚病學領域，AQ系統能在10秒內進行皮膚症狀的智能解析與精準評估，通過上傳的皮膚病灶照片識別痤瘡、銀屑病、白癜風等50種常見皮膚疾病，並給出合理的健康建議。

　　“醫學界”瞭解到，皮膚專科虛擬分身的領銜者正是我國皮膚與真菌病領域頂級專家——中國工程院院士廖萬清教授。

　　在AQ發佈會現場，廖萬清也分享道，“在我的專業領域——醫學真菌病學中，培養鏡檢是診斷金標準，卻異常耗時費力，且依賴經驗。如今，AQ深度學習模型在識別各種真菌方面展現出令人矚目的效率與準確性。”

　　“我們不妨想象：未來，當邊遠地區的農民兄弟，或是駐守邊境的士兵，出現疑似手足癬感染的症狀，通過手機上傳圖片，我的AI分身就能24小時為其服務，智能分析其症狀，並給予初步的指導和建議。”廖萬清在現場説道。

　　值得注意的是，在陳奕均看來，相比通用型的AI軟件，除了信息專而全，醫療智能體更要強調信息的精而準，“醫療容錯率低，比起‘説出知道的’，更重要的是對依據不足的、不確定的，不給出明確回答”。

　　因此據陳奕均介紹，在上線前的測試階段，科室醫生曾通過“信息誤導測試”，對AQ智能體進行了檢驗。

　　“這是一個真實的病例，患者因吃了不乾淨的食物導致嚴重腹瀉，希望開具‘食物中毒’的證明，但由於沒有毒物檢測，按規定是無法給出診斷的。於是我們模仿患者，將資料輸入AQ問診，還虛構了不少與食物中毒極為類似的症狀，唯一缺少的就是毒物檢測結果。”

　　陳奕均説，“但測試結果出乎所有人意料，無論我們如何誘導，甚至用上了‘哀求式’口吻，軟件始終只是給出了健康以及就醫建議，沒有得出食物中毒的診斷。”

　　AI醫療，不僅僅是AI

　　在AQ應用發佈會上，螞蟻集團副總裁張俊傑提到，AI時代，我們希望醫療健康能從“更便捷”走向“更普惠”，而AQ在其中扮演的角色，就是要實現醫療服務更近、城鄉差距更小、健康管理更貼心。

　　如果説開發具備AI原生能力的健康助手，只是螞蟻在大模型技術應用上的一次突破，那麼利用AI串聯患者就醫全流程，提供診前－診中－診後的“一站式服務”，則是螞蟻過往11年在健康服務領域生態佈局的一次集中展示。

　　針對患者最剛需的找醫生和掛號服務，AQ在初步問診，進行症狀識別後，會結合地理位置、個性化需求等信息，從近百萬醫生中為患者做出精準推薦，並針對掛號科室、交通、住宿等給出個性化、詳盡就醫攻略。

　　在健康諮詢方面，面對健康報告中出現的專業詞彙，患者通常最想知曉：這代表着什麼？哪些指標有健康風險？是否有必要進一步就醫檢查？

　　對此，“AQ報告解讀”除了能分析單次的化驗結果、體檢報告等，還可以對患者在多家醫院、多個科室的報告對比分析，解讀準確率達90%以上，併為患者生成重點及健康提醒，幫助人們“對症複診”。

　　智能醫保結算輔助，更是數據融合與學習積澱後的一次全新突破。

　　2019年至今，支付寶已積累了超7億醫保碼用户的服務經驗，當AQ系統與之相結合後，能通過預處理、意圖分類、多輪推理等核心技術能力，智能化處理複雜醫保業務諮詢和辦理。

　　在張俊傑看來，當諸多單體的互聯網醫療服務，通過AI技術實現了真正意義上的串聯，廣泛的用户基礎、完善的醫保系統對接，以及多年的技術積累等，都為AQ實現醫療的智能、普惠提供了堅實的基礎。

　　這其中不可不提的，還有慢性疾病的長期管理。相關統計數據顯示，我國現有慢病患者超2.6億，由此造成的疾病負擔佔總疾病負擔的近70%，死亡佔所有人口死亡的約85%。

　　陳奕均對此有着深刻體會，“比如消化系統常見的慢病——慢性萎縮性胃炎，它不僅需要院內治療，還涉及長期院外隨訪管理、健康指導、複診提醒等，但由於醫療資源有限，尤其在基層地區，很多人回家後慢慢就淡忘了，直到病情加重或復發，甚至發生了癌變。”陳奕均説。

　　在這一方面，AQ針對各類慢病羣體推出了一系列管理工具。在健康檔案功能中，用户授權後，可以在AQ保管自己的健康檔案，AI能即時給出健康狀況分析、輔助提醒用藥、定期複診檢查。

　　在糖尿病、呼吸系統疾病等的管理上，AQ還打通了常用的血糖儀、呼吸機等醫療設備，推出了血糖管理、呼吸管理等智能體，根據儀器檢測數據，給到患者及時的報告分析和病情管理建議。

　　“健康管理是項民生工程，需有更多主體發揮優勢參與其中”，中國社會科學院人工智能研究促進中心秘書長陳華珊認為，“目前我國慢病人羣規模龐大，醫療體系承壓，AQ這樣的產品出現有助於彌合資源鴻溝、優化資源分配。”

　　智能健康服務生態

　　近年來，國家高度重視AI醫療應用的發展，先後出台《關於促進和規範健康醫療大數據應用發展的指導意見》《關於促進“互聯網+醫療健康”發展的意見》等文件，鼓勵人工智能、大數據、互聯網、5G等新一代信息技術在衞生健康行業的發展。

　　在這一大背景下，醫療AI在國內的競爭已經從“比算力”“比模型”逐漸瞄向更深的真實應用場景，以真正實現和線下各類醫療服務的有序銜接。

　　據介紹，螞蟻數字醫療事業部將引入醫學背景人才作為重點的工作之一，團隊中具備醫學院、醫院、互聯網醫療產品等專業背景的人數達到60%，AQ背後1000人規模的醫學標註團隊，持續訓練着大模型的醫療思維，不斷提升健康諮詢、醫學科普等服務的專業性、嚴謹性。

　　事實上，醫療的專業性和複雜性，決定了醫療AI無法取代真人醫生，但在減輕醫生負擔、助力普惠上能夠發揮關鍵作用。

　　廖萬清院士重點提到了貧困地區、偏遠地區患者因就醫難，導致的不及時就醫，甚至不重視就醫等問題，認為未來AI的普及將會成為破局的關鍵之一。

　　此外，服務於患者還只是第一步，在潘家驊看來，AI醫療未來在廣闊的基層醫療機構內，也有更實際的應用場景，例如幫助基層醫生獲得先進的診療建議，提升整體診療水平等。

　　這正是螞蟻致力於打造的，連接“院方—醫方—各地患者”的一體化、開放式智能健康服務生態。

　　張俊傑表示，“通過開放共建，我們希望能攜手各大醫療機構共建AI健康服務生態，開發和部署智能體，降低技術門檻，進一步推動AI技術在醫療領域的廣泛應用。”

　　但不可忽視的是，包括醫療糾紛的責任劃分、數據安全等問題，AI醫療的發展目前仍面臨着諸多挑戰。

　　陳奕均對“醫學界”舉例，一個理想的場景是，前期患者在智能體中的諮詢信息，能和醫院門診系統相連接，提前生成病歷資料，門診醫生只需二次核對，省去重複問診和信息整理等步驟，當他們走出醫院，智能體繼續幫助醫生管理治療過程，在出現問題時提醒他們及時掛號就醫，醫生也可以更高效的精準診療。

　　“但由於醫學數據隱私、安全等問題，目前這條路徑還無法打通。醫療數據能開放、共享到什麼程度？這可能是整個AI醫療領域未來需要持續探討並試圖解決的問題之一，也是我們與AQ下一個階段共同努體的目標。”陳奕均説。