苹果进军AI健康！

前段时间，彭博社爆料苹果将对其健康App进行修改，加强健康App与智能硬件、AI的联动。重做的健康App将包含「AI健康教练」「食物追踪」「锻炼追踪」「健康教育」四个板块，以苹果硬件为媒介采集用户数据，基于AI医生的综合研判，向用户给出具体健康建议。

有趣的是，当苹果还在「网传」推出AI医生时，大洋彼岸的中国网民早已开启了AI「问诊」时代：

图片来源：雷科技

在小红书上，我们能轻松找「ChatGPT解读化验单」「用DeepSeek和医生对线」的分享。要知道这些对话大模型的职责从来都不是判断病情，而是把对话聊下去；用这种大模型「看病」，耽误病情的可能性极高。大多数网友还是有判断力的，知道通用模型在医疗方面的短板。

飞速发展的AI技术已改变了各行各业，为什么在医疗领域，真正的「AI医生」仍未出现呢？

和大多数人想象的不同，AI与医疗并不是近几年才被凑成一对的概念：早在机器学习时代，就有企业推出了辅助医疗影像诊断（X光、CT、MRI）或疾病筛查的软件；如果将视线扩大至非临床医疗，AI技术更是被广泛用于药物开发流程。

从功能上看，这些软件都不能被当作是真正的AI医生——因极高的开发成本，这类软件通常只有大型医院、疾病研究中心、医学院等医疗「行业用户」才能消费得起。而面向行业用户开发也意味着这些软件的技术门槛极高，没读五年医学一般看不明白。

此外，医疗是一个高度依赖数据（经验）的特殊行业：医生不仅需要从患者模糊的自述中找到有用的信息，还要根据自己过去的治疗经验，给出最终的治疗方案。但对医疗AI来说，经验累积的过程「道阻且长」。

保护患者隐私与AI医疗的矛盾

无论在哪个国家，患者病历都是高度敏感的隐私数据，除合作项目外，AI开发企业几乎无法获得任何可以训练AI的数据。当然，医疗AI也可以像如今车企训练自动驾驶一样，用AI生成的数据训练医疗AI，但医疗行业的特殊性导致开发者给数据打标签的难度极大。

这也导致这些医疗行业的AI应用更像是医生的「新工具」——他们的出现能帮助医生作出更准确的诊断和治疗，但不能取代医生。

幸运的是，语言类AI的飞速发展补上了AI在交互上的短板，让AI拥有直接面对患者的能力；混合式模型（Hybrid-AI）技术也在保护患者隐私的前提下，让AI可控地接触真实病例，像真正的医生那样不断学习、进步。

图片来源：Mayo Clinic

目前，AI医生已经成为了不少海外国家医疗发展的下一个阶段，比如以内分泌科享誉全球的梅奥诊所，目前就有超过200个AI医疗项目；Google的医疗大模型Med-PaLM也在疾病初筛（逻辑判断）和知识问答、健康科普（对话）方面有着巨大的潜力。

国内AI医疗的挑战只多不少

从目前海外对AI医疗的应用来看，AI医生更像一种提高效率的辅助工具。但在中国，情况就有些不一样了。

和海外情况类似，我国同样面临医疗资源不均的问题。但不同于轻公立，重私立的商业化医疗体系，中国医院的社会责任心要强得多，三甲医院爆满、基层医疗服务力不足、医生资源在一线城市集中的现象也更为普遍。

在这种大环境下，中国AI医疗肩上的责任也更沉重：除了发挥AI对海量信息处理的能力，辅助医生分析检查结果，加速诊断外，AI医疗在国内还要承担分诊职责。

图片来源：雷科技

这里的导诊说的不是在挂号台指导病患「哪里不舒服应该挂什么科室？」，而是更复杂的「层级分诊」——将常见病、轻症患者分流至社区等基层医院，缓解三甲医院的接诊压力。

但如果我们想用AI去实现分级诊疗（小病在社区、大病到医院、康复回社区），AI医疗不仅要能准确判断病情的严重性，更需要为患者带来对基层医疗的信心。毕竟三甲名医一号难求，说到底还是因为患者看重三甲名医，看重他们有着基层医疗望尘莫及的罕见病治疗经验。

而这额外的任务，也是国产AI医疗大模型与海外AI医疗模型最大的不同。

「双医模式」能克服医疗资源短缺吗？

以刚度过两岁「生日」的百川智能为例，4月10日，百川智能CEO王小川提出了「造医生-改路径-促医学」的路径，从医疗资源、分层就诊、加速AI医疗进化的三个方向，加速医疗转型。

图片来源：百川智能

其中「造医生」非常好理解：根据2022年召开的第十届中国医院院长年会发布的《中国儿科资源现状白皮书》中的数据，目前国内儿科医生缺口达86042名，「逼近10万大关」。而百川表示将在全科、儿科领域发力，用医疗大模型（AI医生）填补医疗缺口。

「改路径」则是以AI医生增强基层医疗的能力，缓解基层分流带来的额外压力，最终将AI医生的边界扩大至家庭医生，打造「家庭/全科医生-专科/社区医生-医院/急救」的三级分层诊疗体系，缓解医疗资源紧缺的问题。

最后的「促医学」，则是以AI医生积累的经验和数据，回过头来推动临床医学、流行病学的发展。对于这种「患者有AI医生、医生有AI医疗辅助」的模式，百川智能称之为「双医模式」。

严格监管是AI医疗进步的阶梯

尽管AI医疗的进步「肉眼可见」，但在真正全面推广之前，AI医疗行业还有很多问题需要解决：

医疗承载着极高的风险与不确定性，误诊或延误的后果极为严重，患者的生命也无法「重试」。如何提高诊断准确度、消除用户对AI医生的疑虑，让用户相信AI医生不是简单的「AI聊天」？这是摆在AI医疗面前的第一个问题。

雷科技认为，AI医疗的发展需要一套严苛的监管、认证标准。这种标准不能是车企常用的「L3级」文字游戏，而是真正非黑即白的、能阻止擦边球的审核体系。从责任边界到数据安全，新的监管体系不能留下任何钻空子的可能性，那些「网上就医导致病情恶化」的案例绝对不能重演。

展望未来，随着国内医疗大模型能力的提升和分级诊疗制度的推进，雷科技认为，AI医生未来必将成为基层医疗的重要组成。而未来的医疗系统，也必将在AI的推动下重新定义。