米牛金融 “AI+基层医疗”如何发展？这几位专家说清楚了

“AI+医疗卫生”顶层设计来了。新规指出，到2030年米牛金融，基层诊疗智能辅助应用基本实现全覆盖。

AI如何赋能基层医疗？我们和几位医学专家聊了聊。

撰文 | 郭雪梅

“AI+医疗”正加速从宏观愿景走向临床实践。

就在上周，国家卫健委等部门发布了《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》。

截图自国家卫健委

在“深化重点应用：人工智能+基层应用”部分，有两条被摆在了非常醒目的位置：建立基层医生智能辅助诊疗应用；加强居民慢性病规范管理服务。

这意味着什么？

长期深耕基层培训的多位主委在讨论时说得很直白：“这一次，文件已经点名要把AI真正落到临床、落到医生手里。”

诚然，基层医疗长期以来存在着人才缺乏、诊疗能力不足等挑战，不少基层医生也都遇到过病例难诊断、经验难积累、患者管理力不从心等窘境。

而以“未来医生AI工作室”为代表的一批医疗AI产品的出现，正是为了精准破解这些难题。

据了解，“未来医生AI工作室”包含“临床决策AI助手”和“患者随访AI助手”，经权威专家深度参与设计、调校并整合国内外权威诊疗指南。其综合能力不仅超越多款国际大模型，更精准契合基层医生需求，为“AI+医疗”政策的实质性落地提供了清晰的“最佳实践”路径。

“安全、有效”——临床的核心关注点

什么样的AI医疗，才值得临床信任？

解放军总医院第六医学中心（海军总医院）内分泌科主任医师、全科教研室主任郭启煜给出了答案，核心在2点——有效性、安全性。

郭启煜解释：“有效性指的是，AI给出的信息和建议，必须真正能帮到医生——哪怕是面对少见症状，也能提供可参考的诊断方向，让医生想到‘原来还可能是这个’。只有能推动临床思考、减少遗漏，才算得上有效。”

“安全性则是不能动的底线。”他强调。AI的每条建议，都必须建立在临床指南、专家共识等权威循证证据之上，同时还能识别患者状态的复杂性，给出不越线、不冒险的提示。

郭启煜就曾遇到过这样的情况：部分患者自行通过AI产品查找大量信息后提供给医生，但这些信息往往互相矛盾，甚至与最新指南和共识不符。

而为了找到最“安全”“有效”适用临床的AI米牛金融，32位来自26个专科的临床专家，曾对当时的6大前沿模型（OpenAI-o3、Deepseek-R1、Gemini-2.5-Pro、Claude-3.7-Sonnet、Qwen3-235B、MedGPT）进行了逐项比对。

实验评测结果与数据已发表论文公开，全过程可复测复现[1]。

图源：arXiv:2507.23486

具体来说，专家们先制定了关于“安全性”“有效性”的评估标准（涵盖重症识别、指南依从性、用药安全等30项临床关键指标），然后用2069个真实病例进行了深度测试。

结果显示，6大模型里表现最突出的，不是当时最流行的OpenAI-o3或Deepseek-R1，而是垂直医疗模型——MedGPT（未来医生AI工作室的技术底座）。其“安全”“有效”得分均位列第一，不仅总体分数比第二名高15.3%，安全性更是高出模型平均分近七成（0.912VS0.547），比第二名高出19.8%。

尤其在诸如危重症识别、致命诊断错误、致命药物冲突这些“红线场景”里，MedGPT的答案更是几乎接近满分。

图源：arXiv:2507.23486

作为参与评测专家之一，中山大学附属第一医院泌尿男科主任邓春华教授介绍：“从评测结果来看，MedGPT在至关重要的安全性和有效性维度上，展现出显著优势。这不仅证明了其技术领先性，更充分体现了其‘人机协同’设计理念的独特价值。”

而他所强调的“人（医生）—机（AI）协同”的理念，早已与“安全、有效”的底线一起，被写入了“未来医生AI工作室”两款医生侧应用的底层设计之中。

决策之惑：从“拿不准”到“思路清”

信息不全、病例太杂、经验难积累——这是几乎所有基层医生共同的困境。

难点从来不是“查不到”，而是“没人陪你一起想”。面对跨专科的疑难病例，精力的天然限制使基层医生难以在所有领域深度专精——匆忙查阅论文资料及相关病历、紧急寻求专科会诊，不仅打乱工作节奏，更可能延误救治的关键窗口。

针对这种现实困境，郭启煜以糖尿病为核心场景进一步说明：其治疗药物种类繁多，包含10大类口服药和2大类注射药。部分基层医生可能对众多药物的选择感到困惑，难以针对不同患者制定出最佳治疗方案。

未来医生AI工作室·临床决策AI助手的研发，正是为了解决这一临床问题。它不仅是高等级医学证据的文献数据库，更是一个随叫随到，能与医生共同进行逻辑推理的专家。

当医生提出问题时，它不会直接给出结论，而是先从高质量医学证据中提取关键信息，建构可靠、详尽的推理过程，然后指出潜在风险点，比如药物相互作用、红旗征、高危人群等；最后标出信息缺口，哪里还需要补充病史、体检或检查，以及对值得注意关注的临床信息予以补充说明。

作为国内知名男科专家，邓春华提到，基层医疗机构是男科患者的主要就诊场景，但男科医生大多分散在泌尿外科、生殖中心等科室，真正专注于男科的基层医生十分稀缺。

加之男科疾病多为功能性疾病，病因复杂，不少基层男科医生的专业诊疗能力不足，进一步加剧了基层男科诊疗的难题。

在他看来，引入AI技术，将为提升基层男科医生诊疗能力、推动行业规范化带来新契机。邓春华向“医学界”表示，过去对基层医生的培训多为公益性质，以教材和指南为核心，按固定体系教学。这种方式虽具系统性米牛金融，但难以兼顾个体化差异，学习方式也欠灵活。

相比之下，未来医生AI工作室有着独特优势——不仅整合了国内外指南、共识等高等级医学证据，还有着积累了大量专家经验的“专家智能体”作为决策辅助。目前，邓春华本人也在使用这款临床决策AI助手。

“通过‘专家智能体’系统，未来医生AI工作室将大医院主委级专家的实践经验，转化为可复用的数字资产。”邓春华对此评价道，“这使基层医生能在短时间内系统掌握关键知识与技能，宛如站在巨人的肩膀上快速成长。”

邓春华在使用未来医生AI工作室·临床决策AI助手

那么，其思考过程的质量究竟如何？

不久前，邓春华和国内多位专家开展了一场权威“同题实测”。他们拿出一批复杂病例，让未来医生AI工作室·临床决策AI助手和GPT-5、OpenEvidence同台竞技。评测覆盖多病共存优化、用药相互作用等8大核心维度。

结果显示，未来医生AI工作室·临床决策AI助手在所有维度均领先，证明了其在真实医疗环境中的卓越性和安全性。

图源：https://ai.doctorwork.com/comparison

在这样的保障下，对基层医生而言，这样的AI，带来的不是“命令”，而是一种思维上的托底感——你依然是那个做决定的人，但不再是一个人默默承担所有不确定性。

随访之困：从“管不了”到“精准管”

随访工作，也是压在基层医生肩上的“一座大山”。

郭启煜指出，诊断只是开始，真正漫长的是诊后管理。尤其是基层医疗机构中，心脑血管疾病、糖尿病、等慢病管理，是随访工作的重点，也是难点所在。

这类患者数量庞大、病情复杂，需长期医疗干预与健康管理，但基层医生资源有限，难以对每位患者开展持续、个性化随访。这导致许多患者出院后缺乏有效指导与支持，病情控制不佳，甚至增加了并发症的发生风险。

今年7月，《中国全科医学》一项研究清晰揭示了这一供需矛盾：该研究纳入全国27个省（区、市）的382名全科医师，覆盖国内综合医院和基层医疗卫生机构，调查了全科医师对AI辅助诊疗系统的认知与需求。结果显示，84.82%的全科医师希望AI技术协助及时随访、分析患者治疗情况，并提出建议。

未来医生AI工作室·患者随访AI助手瞄准的正是这件“看似琐碎，其实最难坚持”的事。它的逻辑不是“替医生干”，而是“帮医生把该流程化的事情流程化、该提醒的事情提醒到”，核心是坚持“人机协同”模式：将琐碎的临床工作交给AI，关键决策仍由医生把关。

郭启煜在使用未来医生AI工作室·患者随访AI助手管理患者

患者扫码上传病例资料后，未来医生AI工作室·患者随访AI助手会自动生成个体化健康管理计划，经医生审核确认后，定期推送健康宣教内容和复诊提醒。

日常咨询则由AI即时答复、为患者答疑；若遇到药物调整、症状加重等涉及医疗决策时，系统绝不会“自作主张”，而是自动将问题上浮至待医生确认，如识别到“胸闷”“头晕”等高危词，将立刻触发预警，确保患者及时获得专业介入。

不少三甲专家，把它形容为：“一个延伸到院外的听诊器。”

左滑，查看它会如何帮你管理患者

未来医生AI工作室·患者随访AI助手，正是把原本“被动等问题暴露”的随访方式，转变为“持续、主动的健康管理”。

医生得以把精力放在真正关键的判断与决策上，其余由系统自动看见、自动提醒，更稳妥地守住患者长期健康。

一位基层医生的AI导师：

赋能成长，授之以渔

未来医生AI工作室，正精准响应国家层面的战略指引。

随着《卫生健康行业人工智能应用场景参考指引》等文件的陆续出台，人工智能在基层医疗中的应用场景与发展路径已被明确勾勒，为全面提升基层诊疗能力注入了强劲动力。

郭启煜告诉“医学界”，作为国家医疗体系的“第一道防线”，基层医疗机构若能高效运转，将有效分流患者，从根本上缓解后续医疗资源压力。

他明确指出，“未来医生AI工作室是响应政策的最佳实践，它不仅整合了人工智能技术与基层医疗服务，提供了全面解决方案，还通过AI辅助临床决策、患者随访等功能，未来将大幅提升基层医疗服务的效率与质量。”

可以预见的是，以“未来医生AI工作室”为代表的医疗AI产品，将与基层临床医生携手并进，让优质医疗资源真正惠及每一个角落。

目前，“未来医生AI工作室”的相关应用已正式上线。微信搜索“未来医生AI工作室”，即可便捷体验。

参考文献：

[1]Shirui Wang, Zhihui Tang.A Novel Evaluation Benchmark for Medical LLMs: Illuminating Safety and Effectiveness in Clinical Domains.https://doi.org/10.48550/arXiv.2507.23486

[2]临床决策AI助手与美国 OpenEvidence、GPT5 临床决策辅助场景评测对比. https://ai.doctorwork.com/comparison

来源：医学界

校对：蔡菜

运营：王奥雅

责编：汪航

*“医学界”力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。

信钰证券提示：文章来自网络，不代表本站观点。