医生决策、AI当“分身团队”，能否破局医疗资源不均

当前，全球医疗卫生体系面临优质医疗资源短缺与分布不均的核心挑战。

随着人口老龄化进程加速，慢病管理与健康随访的刚性需求激增，传统医疗供给模式已难以承载高质量医疗服务的需求。

“当前获批的AI医疗产品绝大多数是功能固化的辅助工具，聚焦肺结节CT检测、眼底筛查、病历生成、影像分诊等单点任务，嵌入现有工作流，由执业医师最终确认，能力出厂即锁定，不会因‘看了更多病人’而自动变强。”一位医疗领域专家表示。

这种“出厂即锁定”的局限，根源在于传统AI训练所依赖的数据结构性缺陷。

一位AI医疗工具的开发者坦言：“临床真实世界数据不足与医疗机构信息不共享，给AI的训练带来很大的制约。因为真实诊疗数据分散在不同医院、不同系统，格式不一、标准各异，跨机构汇聚面临隐私合规与利益协调难题，形成‘信息孤岛’。”

这直接导致训练数据在病种、人群、机构上分布偏斜，模型难以覆盖真实临床的多样性，罕见病和长尾场景长期缺乏足够样本。面对老龄化社会带来的海量随访与慢病管理需求，这种“被动查询”的工具模式显然无法满足未来国家布局AI医疗机构的系统性要求——它既无法实现跨专科的实时协同，也难以支撑基层医疗的持续性健康管理。

10月21日，清华大学智能产业研究院（AIR）孵化的紫荆智康，发布了“AI原生诊疗操作系统”。这套系统可以让AI医生像专家团队一样“组队”协作，医生作最终决策，分身边用边学，效率提升30%。

“AI负责收集信息、分析信息和提出决策建议，最终的诊断、治疗和用药决策由医生作出。”紫荆智康首席产品官乔宇宸在会上如此表示。

“全球医疗的核心矛盾就是医疗资源供给不足，且分配失衡，这是我们所有医疗创新的出发点。”乔宇宸援引数据称，到2030年全球医疗人员预计缺口将达1100万，高收入与低收入国家人均医疗支出差距达875倍。

紫荆智康的“AI原生诊疗操作系统”，构建了54位AI医生、数百万个超拟真AI患者，覆盖超20个临床科室及上万种疾病，AI医生在MedQA数据集上测试准确率超过96%，远超人类专家平均87%的成绩。

更值得关注的是其“双层进化架构”：AI医生先在由海量AI患者构成的虚拟世界中接受高通量训练，一天可完成上万例问诊；达到一定水平后部署至实体医院，与真人医生形成伴生协作关系，在真实诊疗中持续进化。

“AI患者并非真实病例的简单复用，而是基于医学指南和文献生成的合成数据，从根源上规避隐私合规风险，算力消耗也远低于传统大模型训练方式。”乔宇宸解释。

这套底座的技术源头，来自清华大学刘洋教授团队的可进化智能体技术。国际权威学术期刊《Nature（自然）》曾发表文章，将清华大学团队打造的Agent Hospital（紫荆AI医院）作为中国AI Agent落地医疗领域的核心案例进行报道。

当天发布会上，巴基斯坦瑞法国际大学校长通过视频宣布，双方已构建战略级合作关系，希望Agent Hospital帮助其建设巴基斯坦第一家人工智能医院。

“智能体永远不会看到它理解的知识之外的东西，但医生要看到一个整体，然后作出最正确的处置顺序。”一位急诊科医生表示。

另一位神经外科医生则看重术前讨论环节的改变：“Agent参与记录和总结讨论内容，基本上可以节约差不多一半的工作量，同时减少遗漏。”

“智能体的出现，将医生的学习曲线和展业成本大幅缩短和降低，供给侧的问题能够比较好地开始解决。要找到四两拨千斤的点，而非均匀使力。”联想之星合伙人陆刚认为。

“AI是工具，它可以放大医生的能力，而不是取代医生。AI解决信息处理的问题，医生解决人的疾病的问题。最好的状态就是AI处理繁杂的事务，医生专注看病，共同服务患者。”一位临床医生表示。