摘要：当下是AI医疗的校准期而非爆发期

作者 | 石景迁；编辑 | 黄运涛

凌晨两点，一名用户在手机软件的对话框里反复修改着一句话，试图把体检报告上的内容原样敲出来。“结节”两个字被删了又打，后面跟着尺寸、箭头、医学缩写，但他并不确定这些信息意味着什么。

屏幕亮着，他等着一个明确的结论。

如果把这一幕放进更长的历史尺度中，它并不新鲜。

人类几乎从未停止过用技术对抗疾病的不确定性。听诊器让不可见的症状第一次被“听见”，X 光让身体内部得以被“看见”，抗生素让死亡率陡然下降，影像设备与微创技术则极大地延伸了医生的眼和手。

每一代新技术出现时，都被寄予同一种期待：让医学诊疗的确定性变得更高一些。

AI医疗是人类反复尝试用技术驯服不确定性的又一次迭代。它并非凭空出现，而是站在三个时代背景的交汇点上：

一是医学数据的爆炸式增长。图文、影像、电子病历已远超人类个体的处理能力；二是算力与算法的冒头与快速成长，使人工智能初步具备大范围的实用价值；三是全球医疗系统普遍承压，医生短缺、成本上升、老龄化加速。以我们自己为例，中国全科医生人均服务家庭数的比例达 1:835。

以上种种，都迫使我们开始寻找“非人力”的增量。

12月17日，百度在AI DAY上，发布了升级后的文心健康管家。百度披露的数据显示，自10月18日上线以来，文心健康管家的“AI+真人”的服务总订单量已超过4700万。“通过人机协同的模式创新，已实现了10倍于原有纯真人服务的规模增益。”百度健康总经理杨明璐表示。

文心健康管家的前身是百度健康AI管家，产品定位是个人7×24小时AI健康助手，在“AI+真人医生”的双保障模式基础上，提供科普问答、档案管理、挂专家号等功能，覆盖诊前、诊中、诊后环节，目前已有36万医生参与标注校验。

两天前的12月15日，蚂蚁集团旗下AI健康助手独立App“AQ”启用中文名“蚂蚁阿福”。该应用整合健康科普、就诊咨询、报告解读、健康档案等AI功能，连接全国30万真人医生及500多位名医AI分身，月活用户超1500万。

在理想状态下，AI的优势清晰而诱人。

它擅长在海量数据中发现相关性，显著提高效率；它不疲倦、不受情绪影响，理论上可以减少人为误判；它还可能通过辅助决策，把顶级医疗经验“下沉”到资源匮乏地区。这些能力，指向的仍是同一个目标：把诊疗的不确定性进一步压缩。

但风险同样来自同一根逻辑主线。

AI依赖历史数据，而医疗的不确定性恰恰常常出现在少数情况、边缘样本和个体差异之中。算法可能在平均意义上更正确，却在关键个案上更游离。此外，过度依赖AI还可能反向削弱医生的判断能力，使系统在面对真正的未知时更加脆弱。

百度活动现场，首都医科大学附属北京佑安医院主任医师李侗曾在发言时总结了一句话：AI守好“效率关”，医生守住“专业关”和“人文关”。

眼下，AI医疗的核心矛盾并不在于“能不能替代医生”，而在于“如何被嵌入医疗体系”。历史经验反复证明，真正成功的医疗技术，从来不是单点突破，而是与制度、伦理和专业边界共同演化的结果。

因此，AI医疗的当下更像一个校准期，而非爆发期。它正在被逐步放置在辅助而非裁决的位置上：做效率工具，而不是做最终判断。

技术无法完全消灭不确定性，但可以教会我们如何与之相处。在这个阶段，比技术迭代和产品DAU更重要的是，平台和系统能否建立起清晰的边界：哪些决策可以交给机器，哪些必须保留给人类；哪些不确定性值得用技术压缩，哪些不确定性必须被尊重。

百度健康AI DAY当天，雪豹财经社等机构与百度健康医生服务部总经理李杰、百度健康AI产品负责人鲁妹进行了一场小规模的闭门交流。

以下是访谈实录（节选，经编辑）：

Q1：百度做健康多年，积累过哪些经验，踩过哪些坑？

鲁妹：AI可能存在幻觉，但健康容错率低，这两者是存在冲突的。AI医疗在经历大的认知升级，还在探索过程中。在AI融入医疗健康行业的过程中，认知的升级点比较重要。

比如，百度健康基本每一条回答，都是AI结果加真人医生背书。我们不认为AI能解决所有问题，一定要有行业医生深度参与。我们有很多case是偏服务的，比如拍一张照让AI解答，哪怕做到非常极致的状态，还是可能有幻觉。我们的解法是把这项内容推送给生态医生，请他进行再次检查。

在整个链路中，我们创造了各种AI和真人医生联动的机制，打通了从AI到真人参与的内容逻辑。

李杰：互联网公司会觉得，AI带来了非常多的机会，但医疗行业的生态伙伴，包括医生、药企、医疗机构等，对这件事的态度是非常审慎、严谨的。我们一直保持尊重行业、尊重医生的态度，广泛地把行业专家引入，一起来参与讨论。

比如，我们刚开始要做AI问诊时，行业里已经有人在做了，但这个东西是好的吗？不一定。行业专家的观点是，这件事好归好，但有风险，风险在于幻觉。健康是容错率极低的一个行业，只要犯一点点错就是大错。这时医疗专家给了很好的建议，站在我们的背后提供帮助。

另一方面，医疗是万亿级规模的行业，不只有互联网医疗公司、AI技术革新公司，还有做医疗信息数字建设的公司，专门做精神心理领域、睡眠领域、慢病管理等领域的垂类公司，我们也要跟他们充分讨论，把他们引入进来。

百度不一定非要在某一垂直赛道上自己建一套很重、很深的东西，我们用好平台的能力，把生态伙伴连接进来，在AI时代一起把这个生态构建好。

鲁妹：还有一个升级，今年下半年以来，我们更多地站在整个公司的视角做功，而不是局限在事业部。用好文心技术的底座，用好公司最新成立的模型应用团队，用好数字人生态，再往前走。

还有就是流量入口。一开始我们在手百试水、升级产品体验，因为那是百度健康的舒适区，也有亿级用户。但今年下半年，我们的入口已经开到了文心APP、文心助手应用，也在跟联盟手机厂商等合作，利用整个公司的流量资源、用户资源，能够取得更长足、更快的进展。

Q2：各家企业都在AI健康领域中寻找各自的生态位，这个过程已经完成了吗？

李杰：每家公司的发力点是完全不一样的，有的做供应链，有的做医疗信息服务，有的做健康管理。最终的方向是什么？为人民的健康服务。

从2020年到现在，百度健康一直在往前走，虽然还没有到达终点，但已经沉淀了一些数据、经验、能力。比如做问诊，我们有36万名医生，有电话问诊、图文问诊、急速问诊、夜间问诊、AI问诊等多种模式。我们希望把这些经验和能力，和保险公司、药企、健康体检机构、线下药房等生态伙伴共享。

但不得不说，我们大家离最终目标，道路还非常漫长。

Q3：竞争是否会导致技术内卷，反而忽视了对应用场景的关注和用户体验的提升？

鲁妹：我们从10月发布AI健康管家及三大产品体系到现在，在线用户服务量实现了10倍量级的增长，且留存、黏性都有显著提高。虽然一直在说AI+，但我们更多地把它当作技术工具，医疗业务的出发原点还是对双边需求的理解和洞察。

我们要研究清楚医生、用户想要什么，在做事过程中把AI这个工具融进来，变成原生化的产品。无论从过程管控还是阶段性结果来看，我们都没有偏离原点。

Q4：最近很多公司发力AI健康，百度健康的独特优势是什么？

鲁妹：我觉得竞争才刚起步，离真正的家庭健康管理还有很大距离。不同公司对发展节奏和自身优势有不同的判断。我想再简单说一下百度健康不一样的优势。

第一，百度健康平台服务了亿级用户，从内容、服务到家庭医生的管理，怎么把这一亿用户的需求承接得更好，是我们当前的使命。

第二，大家都在说“快”，但有时“慢”也是“快”，最终还是效果说话。医疗讲究慢工出细活，需要对医生、用户的需求有很好的理解，才能做好产品。我们在做模型训练时会反复打磨标准，医学专家会反复抠数据，有的标准甚至打磨三次以上才能够上线。

第三，我们是在百度整个公司的技术基础上往前迭代的，而且非常尊重生态，跟生态伙伴一起为用户提供更好的价值。这是我心目中百度健康的壁垒。

李杰：各类型的公司、友商进入行业，是一个好事。它证明赛道热起来了，AI健康管家的机会来了，也意味着教育用户的成本降低了。

过去，长时间、有个性化地去服务用户是一件极其难的事，医生不可能把所有患者都记住，但AI可以；医生也很难做到7×24小时提供持续服务，但AI可以；医生在管理过程中不可避免地偶尔会有一些情绪，但AI不会。

在这条赛道上，AI模型的基座能力只是底线，真正比拼的是对用户、医生、场景的洞察，以及对各种痛点的满足。百度健康有上亿用户，我们不是从0到1，而是从有基础到更好。我们做AI产品也不是取代医生，而是和医生一起服务患者。

Q5：能否完整介绍一下百度健康生态中的内容？

李杰：首先，在线上连接医生和患者以外，百度健康还会编织一张线下的履约网络。我们和大量公立医院和非公医疗机构建立合作，在患者完成线上问诊后，引导他到线下医院进行检查、手术和治疗。

第二是商品的满足方案。比如，用户生病后需要药物来进行治疗，在当地买不到，我们可以通过电商网络来满足这个需求，同时和很多即时零售品牌合作，帮助他们把商品及时配送到患者手里。

第三是与检验、检测机构的合作。有些检验检测在医院做需要排很长时间队，还有一些居家就可以做，我们会和相关机构合作，把用户需求转化成他们的订单。

在这三条链路之外，百度健康生态还有很多内容。比如，用户关注自己的心率、运动步数、血氧变化，我们会和大量可穿戴设备企业开展合作，用专业医生、AI的解读能力结合他们的数据，提供专业报告和信任背书。

Q6：百度健康在数据、算法层面有哪些优势？

鲁妹：我觉得有三层优势。

第一层，我们用了百度AI的基建，包括文心模型提供底层的架构、多模型训练加速机制，以及公司级的实时交互的数字人。

第二层，百度健康有自己的猎户座 Multi-agent 人机协同技术体系，从用户档案的理解、识别、匹配，到多医生智能体矩阵，整个全链路的建立都有一套自己的技术运转方法。

第三层，也是非常关键的优势，就是数据飞轮。很多模型是没有飞轮的，或者说是假飞轮。在医疗领域，用户数据能带来一些增益，但不是让模型真正懂医疗、变聪明的根本，真正的飞轮是专家数据飞轮。

百度健康有一个B端的超级工作台，每天都有几十万医生在上面进行内容和服务的标注。拿到专家的实时反馈后，我们在模型训练过程中会分层，这才是让模型慢慢变聪明的最关键的原因。

我们非常珍惜这个专家数据飞轮，这是让模型技术处在行业领先最重要的点。

Q7：百度文心健康管家帮医方、患方解决了哪些痛点？

鲁妹：先说医生。我们认为医生有三大刚需：一是向患者科普的诉求，二是提效的需求，三是一些基层医生有提升诊疗、判断能力的需求。此外，还有一些医生期望获得更多精准的患者，辅助他们做科研。

在健康这个领域，医生就是核心、权威，也是平台最重要的资源，服务好医生才能服务好患者。因此，我们打造了医生的工作台、AI医生助理，围绕诊前、诊中、诊后，全流程提效和进行效果赋能，让医生能够跨地域、跨时空去服务患者，还可以用Dr.Flow辅助内容创作。

再说用户端，分小病、慢病和没病三种情况。

日常小病要快速帮用户搞定，通过平台咨询、问诊，然后购药、送到家，快速见效，能不去医院就不去医院。慢病是长周期管理，把线下医院的定期复诊，转变成实时的家庭医生，提供全周期、全天候的陪伴。在这个过程中，数字家庭医生是真人主治医生的助手，充当连接C端用户和医生的桥梁。

没病就是泛健康，比如心情不好想找人陪聊一下，或者想减肥、想做医美，我们的管家能不能提供心理、饮食、减重等服务。很多人在社交平台上的决策是拍脑袋的，但百度健康一直在打造背书体系、认证体系、评价体系。

刚才说的是个人，再从个人到家庭，“一老一小”不具备这些能力，这时需要有更多基于家庭的健康管理。比如，现在的健康档案可以是家庭矩阵式的。

Q8：如何定位头部医生的角色？

李杰：平台会把医生分成几层，通过不同方式去运营。简单疾病找基层医生和普通的主治医生就可以，但涉及恶性病变等的严重疾病，AI健康管理是不做回答的，只做病情收集和澄清用户问题。

打个比方，用户在百度搜索10毫米×12毫米的浸润性肺结节，过去我们会给他推荐一篇文章，分析浸润性结节是什么东西，10公分左右是什么情况，应该怎么治疗。但其实每个人的诉求不一样，我们不应该给他标准答案。健康管家会通过进一步聊天，了解和收集患者情况，并分配合适的医生给他。

我们针对普通的头疼脑热，和严肃疾病、大病、重病，处理态度和解决方案是不一样的。对用户需求的洞察背后，是百度在很长时间积累下来的宝贵财富。

鲁妹：各层的医生在不同的用户需求场景会有对应的承接。另外，头部专家在科普牵头这块是非常重要的。百度健康有一个医典计划，是由院士牵头，跟行业协会及头部专家签约，有一套自上向下的医疗科普体系。在AI飞轮数据训练体系中，顶级专家也会给我们的模型进行头部知识的赋能。

从服务分层、科普牵头到技术赋能，每一层的医生在这个生态中都有各自的占位，充分参与进来。

Q9：文心健康的口号是“AI预诊+真人确诊”，在什么条件下会触发真人医生的介入？背后的产品逻辑是怎样设计的？

鲁妹：这也是我们在做产品设计里面很头疼的问题，大概有几类场景。

急症会优先真人医生。我们有一套医疗判别的模型，如果识别到紧急状况，就会有真人医生甚至客服出现。这个阈值是非常低的，我们宁愿错放，也不能耽误用户病情。

像癌症这样的重症，基本AI简单收集一下，就到真人和专家体系了。

在普通疾病上，AI取代的部分更多一些，比如辅助患者去表达清楚需求、收集病历、判断他应该去看哪个科室、给出一定的诊断建议，然后帮他定向匹配最适合当前状态的医生。AI完成上述环节后，真人医生才上场，给患者开药，建议他到医院就诊，或者转诊到其他医生那里。

人群不一样，疾病的程度不一样，处理的模式也不一样。

Q10：文心健康管家有哪些主要入口？

鲁妹：第一个是百度搜索，用户搜索病症相关的需求，健康管家都会跟在下面实时陪伴，这个入口有近8000万的流量。

第二层，将我们的能力封装起来，变成了更多的原子能力，已经融入到文心助手、文心APP。

第三层是开放计划，把文心健康管家能力作为独立产品，或者打散为服务能力、内容能力，未来可能出现在各个合作方不同的入口上。

Q11：百度健康医生服务部明年最重要的目标是什么？

李杰：未来一段时间的核心任务还是医生规模的提升，以及医生活跃规模的提升。服务好医生就可以服务好患者，医生在哪儿，患者就会在哪儿。

封面来源 | 豪斯医生