摘要：“我的指标到底正常不正常？”“这个药是不是要继续吃？”“是不是还需要去医院复查？”……这些问题可能是很多患者在挂号排队前、拿到检查报告后，心中会产生的疑问。
“我的指标到底正常不正常？”“这个药是不是要继续吃？”“是不是还需要去医院复查？”……这些问题可能是很多患者在挂号排队前、拿到检查报告后，心中会产生的疑问。
其实，他们不一定非要见到医生（因为很多时候见到医生也不一定能给到满意的答复），而是希望有人，或一个工具，能在关键时刻给出一份专业、可信的答复。
近年来，随着人工智能（AI）、大数据等技术的不断进步，越来越多AI产品被尝试用于医疗场景。无论是侧重科研分析的通用大模型，还是聚焦影像识别、辅助诊断的垂直模型，国内已出现近300个医疗大模型产品。然而，真正被广泛使用的产品还几乎没有，原因不仅是技术门槛，更是安全性、责任划分、合规路径等多重现实门槛的限制。
6月26日，蚂蚁集团推出的医疗健康AI应用产品“AQ”正式上线。它没有选择攻坚术中场景，而是聚焦在更常见的问诊咨询、导医分流、报告解读、用药指导等高频服务点上，试图成为医疗系统之外的“智能缓冲区”。AQ到底是否能解决患者的困惑？它又能否在医院体系中发挥出应有的效能？
为此，新京报新京智库组织了主题为“AI+医疗健康管理创新应用”研讨会。来自中国医学科学院阜外医院、江苏省昆山市第一人民医院、清华大学第一附属医院、应急总医院等多位一线专家，他们从医院运营逻辑、质量管理要求、AI模型建设、制度合规边界等不同角度出发，分析了有些AI医疗产品为何比DeepSeek更容易在医院落地。在讨论的过程中，一个核心共识也浮出水面：AI若想真正融入医院，不仅要聪明，更要让人安心、放心。
AI医疗，从手术室到医疗科普
在医院系统中，最复杂、最不容出错的场景是手术室。这里的每一次用药、每一项指标波动，都可能关系到患者生死。也正因如此，AI在手术室内的应用常被视为“医疗人工智能的高地”。
中国医学科学院阜外医院麻醉中心主任医师张喆介绍，手术室一直是医院中“监测最密集、数据最丰富的环境之一”，每秒钟都有大量生命体征数据从各类监护设备中传出，但“这些信息最终还是需要被医护人工观察，并根据医生自身经验调整用药或相应处理”，而这种人工管理“并不像外界想象的那样缜密”。
DeepSeek等通用大模型也在尝试介入这一医疗场景，在术中实时提供决策建议、风险预测。但张喆指出，目前的通用大模型“主要以文本或简单图像进行训练，无法原生解析监护设备实时输出的生理波形等高频生命体征数据流，也无法识别医生的诊疗操作和用药行为”，因此难以胜任手术室内的“秒级更新”和实时反馈需求，而更适合用于“医学教育和事后分析”等场景。
蚂蚁集团推出的医疗健康AI应用产品“AQ”正式上线。
相比之下，虽然AQ并未直接切入手术场景，却从另一个角度切中了医院的刚需：为庞大的就诊人群提供“术前分流”和“院外支持”。
据AQ发布的信息，该产品已接入90万医生、覆盖5000家医院，并能通过AI名医分身提供24小时问诊服务，并将问诊内容同步到医生工作站，帮助快速完成患者医疗信息的采集，进一步提升医生工作效率，同时，非重症患者可在院外获得初步健康判断、报告解读和用药指导。
这一路径背后有蚂蚁医疗多年的沉淀用户规模和技术根基。据悉，AQ依托的蚂蚁医疗大模型在HealthBench与MedBench两大权威榜单的持续领跑。其中，在OpenAI主导的HealthBench测评中，其复杂推理能力（HealthBench Hard得分0.2702）与医学共识能力（HealthBench Consensus得分0.9275）两项核心指标超过DeepSeek。
张喆从医院诊疗的实际场景出发强调，虽然AI在术中决策辅助方面的应用尚不成熟，但在提高手术团队诊疗效率方面可发挥重要作用。据研究报道，医疗文书工作占用了手术团队医护人员约50%的工作时间，如果AI能协助实时记录诊疗信息、优化流程管理、辅助团队沟通，将极大减轻医护负担。在院前阶段，通过自动导诊、报告解读等方式提前分流患者，也被视为医院整体效率提升的重要环节。
张喆认为，真正高价值的AI不是仅服务复杂诊疗场景，而是在“医护最疲惫的重复性简单工作方面帮一把，让医生把有限的时间和精力用于核心诊疗环节”。
正因如此，AQ虽然没有瞄准最复杂的术中场景，却在“普遍、频发、高需求”的医院外围服务中，承担了极具现实意义的“减压阀”角色——它不以惊艳技术为卖点，而是把握住医院系统中“真正沉重的部分”，用可控、专业、闭环的路径，重塑患者与医院的连接方式。
而从医院整体运作的角度看，AQ正在做的，或许就是这类系统性价值的构建。
为医院分忧：AQ有何现实价值
AI的真正价值，不仅体现在对医生的技术辅助，更在于能否从系统层面缓解医院的运行压力。特别是在我国医疗体系面临“资源高度集中、医生负荷超载”的背景下，像AQ这样的智能工具，其在医院体系中的现实作用，或将发挥远超想象的作用。
2025年初卫健委发布的《2024年全国医疗服务能力调查报告》的数据显示，我国三级医院仅占医疗机构总数的7.8%，却承担了全国50%以上的门诊量。大量患者向大医院集中，使得“号难挂”“医难见”成为普遍现象。而AQ作为连接医院与患者的中间层，其设计初衷之一，正是“让专业技术和优质资源共享给大众”，从而实现“让医疗普惠每个人”的目标。
AQ对医院的实际价值，在不少医生看来，首先是分担了大量“非必须面对面完成”的任务。
江苏省昆山市第一人民医院骨科主任医师、质量管理部主任陆轲表示，像AQ这样的AI模型，其实可以把很多事务性的工作前置掉，帮医生节省时间和精力。其实很多患者来医院其实“就想确认一下检查结果、用药是不是可以继续”。这类需求“很多时候都不一定要跟医生当面沟通”，如果能借助如AQ这类系统进行解答，“减轻医生的负担是完全有可能的”。
例如在报告解读环节，据官方数据，每天有上千万份医学检验报告出具，但90%的人看不懂报告内容。过去，医生需要花费大量时间为患者解释这些报告。现在，AQ通过其自研的多模态识别模型，支持拍照上传检验单，系统自动分析异常指标、提供解读意见，还能将重要指标变化关联历史记录，提示用户是否需要进一步就医。
此外，AQ在名医“AI分身”功能上，已在多家医院开展试点合作，并在运营效率上取得了实际成效。比如上海仁济医院泌尿科与蚂蚁集团共建的“RJUA智能体”，已在上线半年内服务30万患者，占门诊总量超过50%。据上海仁济医院泌尿科主任医师潘家骅表示，“这几乎相当于用AI再造了一个泌尿外科。”
张喆也介绍，AI如果能在术前做出较为精准的个体化风险预测，并在术后给予患者康复指导与用药提醒，将极大缓解手术团队医生面临的“全流程诊疗压力”。因此，“未来的AI，不是让医生离场，而是让医生不再孤军奋战”。
这正契合了AQ正在建设的健康管理生态：支持用药计划、慢病监测、设备对接（如血糖仪、呼吸机）、饮食与运动建议等多维健康档案管理服务。通过对接患者端和医院端数据，AQ不仅服务患者，还成为医院“院前+院后”服务闭环的重要基础设施。
因此，可以说AQ是在医院体系中构建起了“AI的外延触角”。它不以高技术门槛取胜，而是在每一个琐碎但高频的医疗环节中，用切实有效的功能，让医院运行得更高效、医生工作更聚焦、患者体验更顺畅。
技术之外是制度：为什么医院更容易信任AQ？
在医院引入AI的过程中，技术并非唯一的考量因素，甚至不是最优先的条件。对医疗机构而言，能否被信任、是否合规、安全边界是否清晰，往往比模型参数、运算速度更为关键。
这也是为什么，相比起“性能出众”的通用大模型，医院更倾向于使用具备“制度托底”和“专业责任”的模型体系，而AQ正是这样一个产品。
应急总医院医务处副处长、副主任医师郑山海表示，医疗场景下使用AI模型，必须考虑其合法性和资质，“如果它给出的内容出错了，有没有办法复核？这些问题都决定了它能不能用在医院”。DeepSeek这类大模型“更适合医生去验证，而不是病人直接使用”，病人使用时必须清楚“使用这个模型可能存在误导”。
相较而言，AQ则是基于“它与地方卫健委合作，具备合法身份、数据来源合规，在医生使用的逻辑上更让人安心”。郑山海说。
张喆也表示，AI一旦深入手术室这种高风险场景，其最大挑战不是建模能力，而是可解释性和信任机制。张喆强调，当前许多通用模型“是先做出一个算法，再拉医生来验收”，如果没有医生参与构建过程，会导致这类大模型缺乏必要的参与机制与责任边界，进而导致难以在医院真正落地。
陆轲同时指出，像 AQ 这样的产品，并非“闭门造车”，其研发基础建立在临床知识图谱与医生反馈机制之上，更贴近医院真实的工作场景与决策流程，具备较强的实用性和可落地性。
陆轲进一步解释，AI 若要真正融入医疗体系，必须明确其应用边界与角色定位。当前医疗 AI 的使用可以分为三个层级：患者自用（如健康咨询、服药提醒）、基层医生辅助（如初诊分诊、慢病随访）以及专家决策支持（如辅助诊断、术前规划）。不同层级对应不同的风险等级，也应设置不同的幻觉容忍度和审核机制。
“就像电影有分级制度一样，医疗 AI 也需要根据使用人群、使用场景以及预期干预深度，制定相应的分级准入和监管体系，”陆轲强调。
因此，AQ的专业性来源不仅是算法，还有其背后持续运作的“医生反馈微调机制”。据蚂蚁方面介绍，目前已有超过百位医生参与模型训练，并设有20位三甲医院学科带头人组成的顾问团，对输出结果进行周期性评估和优化。这种由人类医生作为“啄木鸟”反复调整模型行为的机制，使得AQ在语料质量、诊疗思维贴近性、判断逻辑可靠性等维度，明显优于通用模型依赖“爬虫文本+自监督学习”的训练方式。
在模型提示语设计方面，AQ也体现出更高的自律。例如所有输出内容均以“AI生成”标注，不作为最终医疗建议，而是引导用户在必要时“仍需就诊”或“建议咨询医生”。这一做法虽然在体验上少了些“果断”，却在医院评估其安全性和合规性时，反而加分。
在监管层面，国家对AI医疗产品的态度也愈发审慎。2024年11月，国家卫生健康委办公厅、国家中医药局综合司、国家疾控局综合司联合发布的《卫生健康行业人工智能应用场景参考指引》明确了不同AI产品的应用场景。
AQ则是在“咨询+连接+辅助”层级内进行设计，没有越过医疗伦理和法规边界。这种“自控型产品设计”也使得它更容易通过医院的信息安全、伦理审查环节。
正如清华大学第一附属医院重症医学科主任医师晁彦公所说，AI技术的发展不仅将改变医生的工作方式，也可能对整个医疗体系产生深远影响。“未来会形成一种新的范式，是用另外一种方式去定义医疗体系、定义人与人之间的交往关系，包括医生和患者之间的信息传递，甚至是信任结构。”
从这个意义上讲，AQ所代表的，是一种“可监管、可解释、可交接责任”的AI范式。它未必是最聪明的AI，却可能是医院，医生们更愿意接受、可以纳入制度体系、并能让医生放心使用的AI。技术再好，如果没有规则的约束与制度的配合，也难以真正进入医疗系统；而AQ正在用制度感、安全感、边界感，为AI在医院体系中找到稳定的位置。
来源：新京报