2026-11-05 21:53:32
伴随对话式人工智能、AI虚拟分身问诊工具逐步应用，医疗领域的AI多智能体技术受到行业关注。现实中，已有患者拿着AI生成的问诊结果质疑临床医生诊断。医生“数字分身”能否融入真实诊疗？大规模应用还存在哪些现实障碍？记者进行了采访。
从模拟训练到临床试点
今年7月，国际权威学术期刊《Nature》发表文章，将清华大学团队打造的紫荆AI医院作为中国AI智能体落地医疗领域的核心案例进行报道。
近日，紫荆AI医院多智能体协同生态正式发布，由来自不同科室的人类医生与智能体协同工作，探索覆盖更多场景的医疗服务模式。
这套紫荆AI医院系统，搭建具备不同专科设定的医生分身智能体。这类分身先要在模拟AI患者的虚拟环境中开展大量训练，单日可模拟上万次问诊；达到设定能力标准后部署到实体医疗机构，和真人医生开展协作，在真实病例当中持续迭代优化。
紫荆智康首席产品官乔宇宸介绍，AI分身可以学习复刻医生的诊疗思路与工作习惯，承接部分事务性工作，有望缓解医生事务负担，提升服务效率。“更重要的是，它可以把资深专家的临床经验赋能青年医生、基层医生，助力优质医疗资源下沉。”据介绍，该系统目前构建起覆盖27个临床科室的54个AI医生智能体矩阵，可覆盖多数常见病、重大疾病以及部分罕见病场景。
AI分身作为“分身种子”进入医疗机构后，在真实诊疗过程中不断对齐真人医生的问诊逻辑、病历书写习惯。现阶段，紫荆AI医院系统相关功能测试覆盖北京、江苏、广西等地9家医院，近200位医生已搭建专属分身。试点机构包含三甲医院、社区卫生服务中心，地域覆盖东部及西部，在医教研、基层诊疗等多种场景开展测试验证。
与紫荆智康面向医院诊疗场景不同，蚂蚁集团推出的AI健康应用“阿福”，把着力点放在名医资源的数字化复用上。据介绍，目前廖万清、董家鸿、王俊、陈子江、王建安、王宁利、樊嘉等8位两院院士领衔全国2000多名医生在阿福上开设了“AI分身”，覆盖约28个专科。“AI分身”让名医通过应用软件，就能不受地域、时间限制解答用户的健康疑问。需要说明的是，名医AI分身不开展诊疗行为，仅提供健康科普咨询。“AI分身”解决的是日常、基础的健康疑问，让医院、医生把资源、精力放在真正的疾病治疗上。
从试点情况看，“AI分身”的服务半径正在快速拓展。杭州市第七人民医院副院长、睡眠专家毛洪京是首批参与研发名医AI分身的医生。据介绍，毛洪京的AI分身可与用户进行接近真人医生的互动交流，并将咨询内容同步至医生工作站，帮助医生快速完成患者基础健康信息采集。从前他的专家号一号难求，如今“AI分身”全天在线，为关心睡眠健康的人群答疑解惑。从业近三十年的毛洪京感慨：“我一年最多服务1万例患者，如今我的AI分身一年就服务了368万用户。”
补位基层，而非替代医生
“现有医疗模式多聚焦疾病治疗，连续性健康管理、生活方式干预相对薄弱，诊疗关口有待从‘治已病’向‘治未病’前移。”北京协和医院妇产科主任医师马良坤表示，AI分身如果能够参与患者饮食指导、术后康复随访，有机会填补当前医疗服务的部分短板。
这种“补位”价值，在基层和偏远地区体现得更为明显。青海大学附属医院院长樊海宁是肝胆外科专家，出生在青海、成长在青海。他说，在高原地区行医，距离本身就是一道门槛，一些牧民同胞在冬天顶着风雨，从乡里到县里，然后转州里，骑摩托车一路辗转十几个小时来到诊室看病。开通AI分身后，牧民可以直接咨询健康问题，不再为了一个小问题奔波千里，“这在过去是不可想象的”。
AI分身也在改变医患互动的形态。著名产科医生、上海市东方医院妇产科主任段涛开设了自己的“AI分身”，已有16万人咨询。段涛介绍，线下门诊约七成都是跟孕期生活习惯相关的基础、重复性问题，AI分身可以帮医生分担掉一部分压力。另外，此前男性陪同产检不方便，AI让男性也能更积极参与到孕产过程中来。数据显示，咨询段涛 “AI分身”的用户中，有24%是男性。
AI健康工具还在向基层健康服务体系延伸。2025年8月，国家卫生健康委等六部门联合印发《提升家庭医生签约服务感受度若干措施》，明确鼓励运用“互联网+”签约流程，提升家医服务的可及性与便利性。据介绍，广东、河北石家庄、上海黄浦等地卫生健康部门已与蚂蚁阿福开展合作，将其作为当地“家庭医生”签约平台之一，居民通过手机可在线完成签约，平台帮助家庭医生对慢性病患者、老年人等重点人群开展管理和健康科普服务。
需要明确的是，按照设计定位，AI分身是医生的协作工具，而非替代者。AI主要承担信息采集、整理分析，输出参考建议；诊断、治疗、用药的最终决策权掌握在医生手中。多位业内人士也强调，名医AI分身目前定位为健康科普咨询，不涉及诊疗行为。在诊疗流程当中，AI分身可承担诊前预问诊、分诊、健康档案归集；诊中语音转写，输出附带医学指南证据链的参考意见。例如车祸急诊场景，急诊、骨科、神经外科、麻醉方向的多个AI分身分头采集、汇总体征信息，整体处置方案仍由人类医生研判确定。“智能体只局限于已学习的知识范围，需要医生完成综合性判断。”一位参与测试的门诊医生打比方：“就像带一名真人实习生，医生在用、在教，AI在学。”
落地临床面临多重考验
不过，作为尚在测试阶段的新技术，医生分身智能体从模拟环境走向临床实际应用，仍面临法律、伦理规则尚不健全等问题，技术层面的潜在风险同样不容忽视。
首先是安全关。百度研究院院长助理何中军举例说，软件工程领域，智能体运行出错可以实现回滚修复；但医疗场景容错空间极小，如何防范算法出错、建立可靠的安全管控机制，是行业必须解决的问题。
其次是评估关。怎样判定医生分身智能体的诊疗表现接近真人医生水平？乔宇宸解释，所谓“伴生式进化”，旨在推动AI与对应医生在价值取向、诊疗逻辑、风险判断偏好等维度实现对齐。团队内部依靠采纳率、覆盖率、修改率、编辑率等指标衡量对齐效果，经过数百例病例训练，内部测试对齐度表现较好，但仍需要大规模真实临床数据进一步检验。
其中关键，是确定一条应用“临界线”，明确满足何种条件，才可以授权AI参与相应诊疗环节。“临界标准不能一概而论。”乔宇宸表示，诊断、用药等核心决策容错要求极高；随访、预问诊类环节容错空间相对更大，不同场景的判定阈值仍有待实践摸索。
更深层的是制度关。按照现行规定，医师执业资格有严格准入门槛，AI分身不具备独立执业资质，其输出只能作为辅助参考；互联网诊疗相关监管规则明确，处方不得由人工智能自动生成。一旦AI提供的参考建议出现偏差，医生、医疗机构与技术提供方之间的责任如何划分，目前尚无法律细则予以明确。此外，AI分身的训练依赖大量病历与健康数据，患者个人信息的采集边界、授权方式和脱敏标准，也需要在制度层面给出清晰答案。这些问题不解决，AI分身就难以真正从测试场景走向临床一线。
何中军认为，AI工具能够帮助医生从重复性事务中解脱，客观上为医疗资源下沉提供新可能，长远看普通人或可拥有个人医疗智能体。同时他也提示，大模型迭代速度快，行业在追求技术效能的同时，应当保持对生命的敬畏。(经济日报记者 吴佳佳)