新眸原創(chuàng)·作者 | 鹿堯

幾年前，大模型浪潮席卷而來時(shí)，醫(yī)療幾乎是被談?wù)撟疃嗟拇怪眻鼍啊?/p>

邏輯很簡單，國內(nèi)臨床診療場景體量龐大，每天產(chǎn)生海量的病歷、影像和檢驗(yàn)數(shù)據(jù)，診療鏈條中任何一個(gè)環(huán)節(jié)的效率提升，都對(duì)應(yīng)著真實(shí)的經(jīng)濟(jì)價(jià)值。

時(shí)至今日，這個(gè)賽道出現(xiàn)了一些有趣的分化。宣布推出醫(yī)療大模型的公司不在少數(shù)，但真正能在臨床場景中被醫(yī)生日常使用的產(chǎn)品卻屈指可數(shù)。大部分"醫(yī)療大模型"沿著同一條路徑——選一個(gè)通用底座，用公開醫(yī)學(xué)文本做幾輪微調(diào)，拿幾個(gè)醫(yī)學(xué)考試數(shù)據(jù)集跑分，然后開發(fā)布會(huì)。

這條路徑在客服、營銷等場景或許夠用，但在臨床醫(yī)療場景遭遇了結(jié)構(gòu)性的適配困難。醫(yī)療對(duì)準(zhǔn)確性的要求高，對(duì)多模態(tài)信息融合的要求遠(yuǎn)超文本對(duì)話范疇，對(duì)推理可解釋性的需求在其他行業(yè)找不到參照。

日前，訊飛醫(yī)療發(fā)布了基于全國產(chǎn)算力訓(xùn)練的星火醫(yī)療大模型V3.5。從公開技術(shù)指標(biāo)來看，這次升級(jí)傳達(dá)了一個(gè)方向性變化——多項(xiàng)能力跨過實(shí)用門檻：病歷生成醫(yī)生采納率達(dá)91%，影像報(bào)告采納率達(dá)75%，病歷書寫時(shí)間縮短52%，推理吞吐量提升4.5倍。

業(yè)界此前普遍認(rèn)為，醫(yī)療大模型的競爭焦點(diǎn)將逐漸從“有沒有模型”轉(zhuǎn)向“能不能真正用起來”。如今，這一轉(zhuǎn)折已成現(xiàn)實(shí)。相比以往粗放地追求參數(shù)與刷榜，專業(yè)縱深、臨床閉環(huán)和規(guī)模化落地的能力，才是當(dāng)下真正值得關(guān)注的重點(diǎn)。

01

通用底座為什么做不了醫(yī)療

先回答一個(gè)基礎(chǔ)問題：為什么"通用底座+行業(yè)微調(diào)"的模式，在醫(yī)療領(lǐng)域行不通？

通用大模型的訓(xùn)練邏輯，是在海量互聯(lián)網(wǎng)文本上學(xué)習(xí)語言統(tǒng)計(jì)規(guī)律，追求一種“通才”能力。但醫(yī)療場景本質(zhì)上是反“通才”的，真實(shí)的臨床世界沒有標(biāo)準(zhǔn)答案，且充滿復(fù)雜變量，它需要的是在不確定條件下，做出高確定性判斷的專業(yè)能力。

通用模型習(xí)慣“直接給結(jié)論”，但這套邏輯很難適應(yīng)臨床診療中“逐步收斂不確定性”的思維方式。相比之下，垂類醫(yī)療模型遵循真實(shí)的診療思維，通過多輪交互補(bǔ)全必要信息，從而把模糊的表述一步步轉(zhuǎn)化為明確的診斷依據(jù)，從源頭降低誤判風(fēng)險(xiǎn)。

更關(guān)鍵的差異在模態(tài)層面。現(xiàn)實(shí)中的診療過程不會(huì)僅靠純文本，醫(yī)生需要同時(shí)處理患者的語音描述、檢驗(yàn)報(bào)告上的數(shù)值、CT影像中的病灶形態(tài)、心電圖的波形特征，并在這些異構(gòu)信息之間建立關(guān)聯(lián)推理。

毫不夸張地說，一個(gè)只能處理文本的模型，在診室里連第一步都邁不出去。

而這，也是星火醫(yī)療大模型V3.5這次升級(jí)的核心特征之一——將醫(yī)療語音識(shí)別、影像輔診和醫(yī)學(xué)語義理解做了底層融合，多模態(tài)能力全球領(lǐng)先。

具體來說，它解決了這樣一個(gè)全球性問題：在真實(shí)的診室環(huán)境中，遠(yuǎn)場拾音設(shè)備同時(shí)捕捉到醫(yī)患雙方的多角色對(duì)話，系統(tǒng)需要完成從聲學(xué)信號(hào)到醫(yī)學(xué)語義的端到端映射，包括識(shí)別說話人角色、提取關(guān)鍵醫(yī)學(xué)信息、生成符合書寫規(guī)范的結(jié)構(gòu)化病歷。

可以這么理解，整個(gè)過程不是只靠語音轉(zhuǎn)文字再加一個(gè)大模型做總結(jié)，而是從信號(hào)到語義的一體化處理鏈路。

在技術(shù)架構(gòu)上，星火醫(yī)療大模型V3.5在國產(chǎn)算力平臺(tái)上實(shí)現(xiàn)了DSA（動(dòng)態(tài)稀疏注意力）與MTP（多Token預(yù)測）的長文本高效訓(xùn)練，醫(yī)療長上下文場景推理吞吐量提升4.5倍。

看似是底層的技術(shù)突破，卻能直接決定模型能否在幾秒鐘內(nèi)，從一個(gè)患者的數(shù)年健康檔案、既往病史和最新檢查報(bào)告中，抽絲剝繭，形成精準(zhǔn)的判斷。

這也是通用模型的“微調(diào)”難能企及的另一個(gè)點(diǎn)，它需要的是從數(shù)據(jù)采集、清洗到訓(xùn)練、推理的全鏈路“醫(yī)工交融”。

那么，支撐這種深度技術(shù)創(chuàng)新的原材料是什么？

自然是海量的、高質(zhì)量的真實(shí)臨床數(shù)據(jù)。據(jù)了解，星火醫(yī)療大模型依托脫敏處理后的16 億人次醫(yī)療語音數(shù)據(jù)、超12億次真實(shí)診療數(shù)據(jù)，同時(shí)疊加每日持續(xù)匯聚的超220萬份語音、影像、病歷類臨床資料，數(shù)據(jù)體量保持動(dòng)態(tài)增長。

不過，這些數(shù)據(jù)真正的價(jià)值不止于規(guī)模大，更在于“真實(shí)性的密度”，它們覆蓋了從基層到頭部三甲的完整診療鏈條，包含真實(shí)臨床場景中的噪聲、口音、縮寫和非標(biāo)準(zhǔn)化表達(dá)。恰恰是這些來自真實(shí)世界的數(shù)據(jù)，塑造了模型在真實(shí)場景中的魯棒性。

試想一下，基于這樣的模式，就能夠催化出一個(gè)行業(yè)獨(dú)有的“數(shù)據(jù)飛輪”，越多的醫(yī)院和醫(yī)生使用，越多的真實(shí)數(shù)據(jù)，模型迭代越快、效果越好。而通用大模型往往很難短時(shí)間獲取這種扎根于中國醫(yī)療體系、橫跨語音影像文本的多模態(tài)數(shù)據(jù)資產(chǎn)。

IDC、上海人工智能實(shí)驗(yàn)室MedBench等權(quán)威第三方評(píng)測數(shù)據(jù)顯示，當(dāng)評(píng)測體系由基礎(chǔ)醫(yī)學(xué)知識(shí)核驗(yàn)升級(jí)至輔助診療、結(jié)構(gòu)化病歷生成等真實(shí)臨床場景后，星火醫(yī)療大模型的垂直適配效能與落地表現(xiàn)業(yè)界領(lǐng)先。差異化競爭優(yōu)勢(shì)的核心支撐正是體系化沉淀的高質(zhì)量臨床數(shù)據(jù)資產(chǎn)。

02

循證診療助理智能體：

從工具到臨床生產(chǎn)節(jié)點(diǎn)

如果說數(shù)據(jù)與算力是底層支撐，那對(duì)臨床場景的理解和再造，就是醫(yī)療AI能否被醫(yī)生真正接受的關(guān)鍵。

此前的AI醫(yī)療產(chǎn)品，大多停留在“患者問-模型答”的淺層交互，或是單點(diǎn)的影像識(shí)別。而V3.5升級(jí)中最具想象力的部分，是面向臨床醫(yī)生的“循證診療助理智能體”——它標(biāo)志著醫(yī)療AI從“輔助工具”，進(jìn)化為嵌入臨床工作流的“生產(chǎn)節(jié)點(diǎn)”。

行業(yè)會(huì)把它跟美國的OpenEvidence做對(duì)比，后者能在醫(yī)生提問后，從權(quán)威文獻(xiàn)里找證據(jù)、給溯源鏈接，循證診療助理智能體同樣共享“循證+溯源”的核心邏輯，但中美醫(yī)療體系有個(gè)根本差異：

美國醫(yī)生多為獨(dú)立執(zhí)業(yè)，可以自由選擇用什么工具；中國醫(yī)生在公立醫(yī)院體系里，任何新工具都得經(jīng)過醫(yī)院評(píng)估、采購，還得跟現(xiàn)有電子病歷系統(tǒng)打通，兼容中西醫(yī)兩套體系，覆蓋門診、住院、出院全流程。

這意味著中國的循證診療助理智能體不僅要解決“答案可信”的問題，還要解決“融入臨床工作流”的問題，訊飛醫(yī)療的循證診療助理智能體，正是圍繞這一核心邏輯設(shè)計(jì)：

在星火醫(yī)療大模型V3.5的支撐下，它整合了權(quán)威文獻(xiàn)、診療指南和專家共識(shí)，能進(jìn)行多步推理、自我校驗(yàn)，并給出完整的證據(jù)來源，它的價(jià)值已經(jīng)滲透到診療的各個(gè)節(jié)點(diǎn)：

醫(yī)生問診時(shí)，它能實(shí)時(shí)轉(zhuǎn)寫醫(yī)患對(duì)話，把口語化的描述整理成結(jié)構(gòu)化主訴；遇到模糊表述，會(huì)主動(dòng)提示醫(yī)生補(bǔ)充追問。問診結(jié)束，病歷已經(jīng)自動(dòng)填好了大半，既往史、家族史等常規(guī)項(xiàng)也被補(bǔ)全，醫(yī)生只需要審核確認(rèn)。

診斷環(huán)節(jié)，它不直接給結(jié)論，而是把推理過程擺出來：基于哪條指南支持某個(gè)判斷，又有哪些證據(jù)排除了其他可能。每條依據(jù)都可點(diǎn)擊溯源。開檢查時(shí)，它會(huì)推薦最必要的項(xiàng)目，避免過度醫(yī)療；檢驗(yàn)結(jié)果出來后，自動(dòng)標(biāo)出異常項(xiàng)并解釋臨床意義。

用藥安全上，它會(huì)交叉比對(duì)診斷、過敏史、肝腎功能和正在服用的其他藥物，發(fā)現(xiàn)相互作用或劑量問題就預(yù)警。患者出院后，它還會(huì)生成個(gè)性化健康指導(dǎo)推送到手機(jī)，患者拍藥盒問用法、上傳血壓血糖數(shù)據(jù)，系統(tǒng)都能識(shí)別、記錄，異常時(shí)自動(dòng)提醒醫(yī)生。

從門診到住院再到居家，循證診療助理智能體把原本一個(gè)個(gè)孤立的環(huán)節(jié)串聯(lián)起來，并且形成閉環(huán)。

這樣一來，AI本身就不僅僅是一個(gè)“問答機(jī)器”，而是一個(gè)能真正嵌入每一個(gè)臨床工作節(jié)點(diǎn)，輔助醫(yī)生、提供決策支持的“AI同事”。

在MedBench智能體評(píng)測中，星火醫(yī)療大模型以98.9分登頂，在醫(yī)療場景感知與交互、醫(yī)療多智能體協(xié)作、醫(yī)療安全倫理與合規(guī)等多項(xiàng)核心能力位居第一——某種程度上，這也驗(yàn)證了訊飛醫(yī)療的方向是對(duì)的，醫(yī)療AI的終極形態(tài)，可能不是更聰明的“答題者”，而是更可靠的“協(xié)作者”。

也正因此，比起只是做一個(gè)中國版OpenEvidence的工具，訊飛的循證診療助理智能體正在成為臨床生產(chǎn)體系中不可或缺的一部分。

03

中國醫(yī)療體系需要一次系統(tǒng)性升級(jí)

技術(shù)實(shí)力決定一家公司能走多快，規(guī)模化落地能力決定它能走多遠(yuǎn)。然而，在醫(yī)療大模型這條賽道，兩者之間的鴻溝比大多數(shù)行業(yè)都要寬。

單點(diǎn)技術(shù)突破值得興奮，但真正能帶來結(jié)構(gòu)性變化的，是把技術(shù)鋪到足夠廣、扎到足夠深。當(dāng)一家公司做到這一點(diǎn)，它改變的就不再只是某個(gè)醫(yī)院的效率，而是整個(gè)醫(yī)療體系的資源配置邏輯。

訊飛醫(yī)療正在做的，其實(shí)就是這件事。

先看一組容易被忽略的數(shù)字：全國400多萬執(zhí)業(yè)醫(yī)師，每年承擔(dān)的診療人次超過80億。這個(gè)數(shù)字背后，是醫(yī)生群體長期超負(fù)荷運(yùn)轉(zhuǎn)的現(xiàn)實(shí)。而病歷書寫是其中最繁重也最隱蔽的負(fù)擔(dān)。

星火醫(yī)療大模型V3.5把病歷書寫時(shí)間縮短了52%，放在全國醫(yī)生的基數(shù)下，每年釋放出來的有效診療供給，相當(dāng)于憑空多出數(shù)億人次的接診能力。這是來自供給側(cè)的釋放——在短期內(nèi)無法大幅增加醫(yī)生數(shù)量的前提下，AI正在成為緩解醫(yī)療資源短缺的一條現(xiàn)實(shí)路徑。

但這還只是起點(diǎn)。更深層的改變，是這套技術(shù)正在重塑中國醫(yī)療資源的分布格局。

長期以來，優(yōu)質(zhì)醫(yī)療資源往往高度集中于大城市的三甲醫(yī)院，基層醫(yī)療機(jī)構(gòu)的服務(wù)能力參差不齊。患者用腳投票，小病也往大醫(yī)院跑，進(jìn)一步加劇了資源錯(cuò)配。

截至目前，訊飛醫(yī)療的智醫(yī)助理已經(jīng)覆蓋了全國31個(gè)省份806個(gè)區(qū)縣、超過7.7萬家基層醫(yī)療機(jī)構(gòu)。這意味著，在那些資源有限的偏遠(yuǎn)鄉(xiāng)鎮(zhèn)，AI正在成為基層醫(yī)生的“第二雙眼睛”和“第二個(gè)大腦”。

換句話說，診療建議不再是醫(yī)生個(gè)人經(jīng)驗(yàn)的孤軍奮戰(zhàn)，有了接近三甲水平的專業(yè)支撐，優(yōu)質(zhì)醫(yī)療資源就不再被困在城市的圍墻內(nèi)，且通過AI能力下沉到了每個(gè)角落。

如果說基層覆蓋解決的是“有沒有”的問題，那么區(qū)域互聯(lián)解決的是“通不通”的問題。安徽省影像云平臺(tái)接入近2000家醫(yī)療機(jī)構(gòu)，累計(jì)開展遠(yuǎn)程影像會(huì)診超1200萬次，日均遠(yuǎn)程會(huì)診超12000例，數(shù)據(jù)流轉(zhuǎn)控制在亞秒級(jí)。

這套系統(tǒng)在做的，是拆除醫(yī)院之間的數(shù)據(jù)圍墻：過去基層醫(yī)生遇到拿不準(zhǔn)的影像，只能建議患者去省城；現(xiàn)在幾分鐘內(nèi)就能完成省級(jí)專家的在線會(huì)診。

更進(jìn)一步的是醫(yī)保支付端的打通。廣西醫(yī)保影像云啟動(dòng)僅三個(gè)月，就接入了372家醫(yī)療機(jī)構(gòu)，具備交付條件的二級(jí)以上醫(yī)療機(jī)構(gòu)接入率100%。患者跨院復(fù)診無需重復(fù)拍片，醫(yī)生幾秒內(nèi)可調(diào)閱全部歷史影像。

這件事的意義遠(yuǎn)遠(yuǎn)超出了“方便”。

重復(fù)檢查、信息孤島是中國醫(yī)療體系長期以來的頑疾，既加重了患者的經(jīng)濟(jì)負(fù)擔(dān)，也造成了醫(yī)保基金的無效支出。當(dāng)影像數(shù)據(jù)能夠在區(qū)域乃至全國層面互聯(lián)互通，檢查結(jié)果互認(rèn)就有了技術(shù)基礎(chǔ)。這不僅帶來醫(yī)院的效率提升，也系統(tǒng)性降低了整個(gè)醫(yī)療的運(yùn)行成本。

從基層覆蓋到區(qū)域互聯(lián)，再到醫(yī)保支付端的綁定，這三層疊在一起，呈現(xiàn)出一個(gè)清晰的圖景：相比一個(gè)個(gè)孤立的軟件，訊飛醫(yī)療構(gòu)建的，是一張覆蓋中國醫(yī)療體系的AI基礎(chǔ)設(shè)施網(wǎng)絡(luò)，也正是這張網(wǎng)，把整個(gè)醫(yī)療體系的能力底板整體抬高。

過去幾年，醫(yī)療大模型行業(yè)的競爭焦點(diǎn)一直在變：先是比參數(shù)規(guī)模，再是比榜單排名，后來比誰的發(fā)布會(huì)更有聲勢(shì)。但真正決定終局的，是誰能把技術(shù)鋪進(jìn)真實(shí)的診療流程，誰能在基層、在區(qū)域、在醫(yī)保支付這些關(guān)鍵節(jié)點(diǎn)上扎下根。

訊飛醫(yī)療構(gòu)建的是一套隨著規(guī)模化進(jìn)程不斷自我強(qiáng)化的系統(tǒng)——每天新增超過220萬份真實(shí)數(shù)據(jù)，讓數(shù)據(jù)飛輪持續(xù)轉(zhuǎn)動(dòng)；標(biāo)桿醫(yī)院的驗(yàn)證為復(fù)制推廣提供了信用基礎(chǔ)；政策層面，國家唯一的“AI+基層醫(yī)療”中試基地項(xiàng)目落在這里，方向與國家醫(yī)改深度咬合。

過去的“鍍金時(shí)代”，行業(yè)比拼的是誰的故事更好聽。進(jìn)入淘汰賽階段，比的是啃下臨床硬骨頭、真正扎根到醫(yī)療體系深處的能力。訊飛醫(yī)療走了一條難而慢的路，但這條路正在越走越寬。

當(dāng)這套體系足夠龐大，它帶來的改變將足夠深刻：數(shù)據(jù)多跑路，群眾少跑腿，基層醫(yī)生不再孤立無援，重復(fù)檢查逐步成為歷史。最終指向的，是中國醫(yī)療體系的系統(tǒng)性升級(jí)——用技術(shù)填平資源落差，讓優(yōu)質(zhì)醫(yī)療服務(wù)觸達(dá)每一個(gè)角落。