能查信息≠循證AI：OpenEvidence爆火在前，中國醫(yī)生的「信任死結(jié)」誰來解？

當(dāng)AI醫(yī)療從 “能查” 走向 “可信”，變革才算真正開始。

在循證醫(yī)學(xué)領(lǐng)域，一個根本性的矛盾正愈演愈烈。

醫(yī)學(xué)知識在以每年超百萬篇醫(yī)學(xué)論文發(fā)表的速度爆炸式增長，臨床指南更新周期從數(shù)年壓縮到數(shù)月。但醫(yī)生的認(rèn)知帶寬卻是有限的——沒有人能記住所有指南，更不用說追蹤最新研究。

這個矛盾催生了巨大的市場需求。在美國，OpenEvidence的月度醫(yī)生咨詢量從2024年的36萬次飆升至2025年的850萬次，增長超過20倍。超過45%的美國醫(yī)生已經(jīng)高頻使用AI輔助決策。

在中國，已有超過1000家醫(yī)院部署AI系統(tǒng)，但始終缺乏一個真正成熟、嚴(yán)謹(jǐn)且可托付的循證產(chǎn)品，讓醫(yī)生面對復(fù)雜臨床決策時能夠放心交付。這一困境，正被一家深耕醫(yī)療AI與大數(shù)據(jù)技術(shù)十余年的公司解開。

近期，中關(guān)村論壇年會上，醫(yī)渡科技與清華長庚醫(yī)院等頭部醫(yī)院共同啟動了“中國臨床循證智能能力建設(shè)計劃”，與此同時，作為計劃核心技術(shù)載體與落地產(chǎn)品的“醫(yī)渡智循”發(fā)布了APP版本——一款定位為醫(yī)生“超級助手、第二大腦、多學(xué)科智能體專家顧問團”的臨床循證決策系統(tǒng)。與市面上多數(shù)從公開文獻或C端切入的醫(yī)療AI不同，醫(yī)渡智循的基因根植于醫(yī)院。歷經(jīng)真實診療全流程打磨，并依托與頂級醫(yī)院共建的200余個專科智能體，最終實現(xiàn)從院內(nèi)到院外的成熟遷移。

它究竟如何破解醫(yī)療AI的“信任”難題？我們一起來拆解。

01

能查可信，醫(yī)療AI的最后一公里

醫(yī)療AI已成為全球人工智能賽道中增長最快、資本最集中的領(lǐng)域之一。據(jù)知名行研機構(gòu)FortuneBusinessInsights報告，2025年全球醫(yī)療AI市場規(guī)模達393.4億美元，2026年將飆升至560.1億美元，2026-2034年復(fù)合年增長率（CAGR）高達43.96%，遠超AI整體行業(yè)平均增速。

然而，國內(nèi)醫(yī)療AI的落地卻面臨一個現(xiàn)實挑戰(zhàn)：大部分醫(yī)生并不知道如何信任AI。

北京某三甲醫(yī)院眼科王醫(yī)生坦言：“指南更新快、門診量大、診療時間短，醫(yī)生很難實時查閱最新文獻，循證要求難以完全落到實處。而且證據(jù)零散、缺乏分級與溯源工具，醫(yī)生往往只能依賴傳統(tǒng)經(jīng)驗主義。”

廣州某三甲醫(yī)院心臟中心李醫(yī)生也表達了類似的困擾：“醫(yī)生的經(jīng)驗有限，面對少見病例時，往往需要文獻支撐。但不同國家、不同時期的指南和共識可能不一致，你不知道哪個更可信。”

更令人擔(dān)憂的是，即便使用現(xiàn)有AI工具，也常常遭遇“信任危機”。王醫(yī)生直言：“無論是DeepSeek還是ChatGPT，都存在‘編文獻’的問題。它看似給你一個完美的答案，但當(dāng)你去尋找原始文獻時，發(fā)現(xiàn)都是假的。”

一個明顯的例證是：許多醫(yī)生已在私下使用AI做資料檢索，但一旦涉及正式的臨床決策，態(tài)度立刻變得謹(jǐn)慎——信息可以“查”，決策卻不敢“信”。

這正是醫(yī)渡智循試圖破解的核心命題：如何讓AI從“能查信息”進化為“可托付循證決策”。而要解答這個問題，需要回到技術(shù)本身。

02

一場針對幻覺的工程化“圍剿”

醫(yī)渡智循的技術(shù)能力，并非平地起高樓，而是植根于醫(yī)渡科技十余年的沉淀。醫(yī)渡科技的“AI醫(yī)療大腦”YiduCore累計處理分析近70億份醫(yī)療記錄，在醫(yī)學(xué)知識處理、加工算法領(lǐng)域具備深厚積累，可將臨床指南中的非結(jié)構(gòu)化信息，精準(zhǔn)提煉為AI可用的結(jié)構(gòu)化知識形態(tài)。這也是醫(yī)渡智循實現(xiàn)“句句可溯源”的底層基礎(chǔ)。

醫(yī)渡智循本質(zhì)上是一個基于檢索增強生成（RAG）的循證決策系統(tǒng)，但其技術(shù)實現(xiàn)遠不止“向量檢索+大模型總結(jié)”的簡單組合。為了實現(xiàn)臨床可接受的低幻覺率，避免生成結(jié)論與引用文獻“張冠李戴”，醫(yī)渡智循在檢索與生成兩大核心環(huán)節(jié)進行了全流程的精細(xì)化設(shè)計。

在檢索環(huán)節(jié)，醫(yī)渡智循搭建了醫(yī)療專屬的知識篩選體系，參照臨床醫(yī)生的判斷邏輯，對海量文獻做前置篩選，僅保留權(quán)威指南（3萬+）與高質(zhì)量文獻（500萬+），并進行權(quán)威度、時效性的分級排序（參考GRADE證據(jù)分級邏輯）。更關(guān)鍵的是，針對醫(yī)療知識易因上下文缺失產(chǎn)生歧義的問題，系統(tǒng)將適應(yīng)人群、治療階段、疾病分型等核心場景信息精準(zhǔn)掛載到每一個知識分片上，使檢索不再是單純的語義匹配，而是疊加了多維度臨床條件的精細(xì)化匹配，確保召回的知識點精準(zhǔn)適配臨床問題。

在生成環(huán)節(jié)，醫(yī)渡智循專門增設(shè)了“驗證”關(guān)卡，對生成結(jié)論做反向核驗，逐一核查每一條結(jié)論是否能從標(biāo)注引用的原文中找到明確的證據(jù)支撐，無法驗證的內(nèi)容會被直接剔除，從工程層面徹底避免“引用A文獻、生成B結(jié)論”的問題。

然而，技術(shù)手段難以做到絕對的零幻覺，醫(yī)療場景的嚴(yán)肅性又要求必須有兜底方案。醫(yī)渡智循將產(chǎn)品層面的溯源能力做到極致：生成內(nèi)容的溯源粒度細(xì)化到“句號”級別，每一句話都能精準(zhǔn)關(guān)聯(lián)到對應(yīng)的權(quán)威來源，且原文中匹配的核心內(nèi)容會做高亮展示。這意味著，即便存在極少數(shù)極端情況，醫(yī)生也能以極低成本快速完成人工校驗。

這套從檢索源頭把控、生成環(huán)節(jié)校驗，到產(chǎn)品層面兜底的全流程技術(shù)體系，使醫(yī)渡智循在引用準(zhǔn)確性與幻覺率控制上優(yōu)于行業(yè)多數(shù)產(chǎn)品，讓RAG技術(shù)在醫(yī)療場景中真正實現(xiàn)了“可控檢索、可信生成”。

03

多專科智能體協(xié)作：

從“泛化AI”到“專科級智能”

除了可信，通用醫(yī)療AI產(chǎn)品還面臨另一個困境：回答常見問題尚可，一旦涉及專科深度問題，答案就變得泛泛而談。

要實現(xiàn)醫(yī)療AI的專科級智能，核心在于讓模型真正理解各專科的診療邏輯、循證體系與臨床實操規(guī)范。醫(yī)渡智循的解法，是構(gòu)建一套多專科智能體協(xié)作引擎，不再依賴單一通用模型，而是針對不同專科、不同疾病領(lǐng)域，打造專屬的專科智能體，讓每個智能體都成為對應(yīng)領(lǐng)域的“專科專家”。

這些智能體并非憑空構(gòu)建，而是從院內(nèi)場景遷移而來。過去幾年，醫(yī)渡科技與中山大學(xué)腫瘤防治中心、北京大學(xué)腫瘤醫(yī)院、北京協(xié)和醫(yī)院等頂級醫(yī)院合作，在真實診療環(huán)節(jié)中打磨了超過200個專科智能體，覆蓋腫瘤、心血管、全科等多個方向。這些智能體曾嵌入門診醫(yī)生工作站，與醫(yī)生協(xié)同完成腫瘤分期、治療方案推薦、風(fēng)險評估等任務(wù)，完成了深度臨床驗證。

在實際應(yīng)用中，這套協(xié)作引擎會先對醫(yī)生的臨床需求進行精準(zhǔn)解析，識別問題背后的專科屬性、疾病類型、診療場景等核心要素，再將需求精準(zhǔn)分流至對應(yīng)的專科智能體，如同為醫(yī)生組建了一支專屬的“多學(xué)科智能體專家顧問團”。

每個專科智能體都聚焦自身領(lǐng)域做深做精，既保證了AI輸出的專科精準(zhǔn)度，又通過協(xié)作模式覆蓋了多學(xué)科交叉場景，讓醫(yī)療AI的能力真正貼合臨床的專科化需求。

這種以專科為核心的思路，貼合了醫(yī)療診療的本質(zhì)規(guī)律，也讓AI循證建議能夠真正匹配專科醫(yī)生的臨床決策需求，成為醫(yī)生在專科診療中敢用、能用、好用的專業(yè)支撐，為醫(yī)療AI從“工具”走向“臨床伙伴”奠定了核心基礎(chǔ)。

04

如何讓循證智能真正融入工作流？

在醫(yī)療AI落地過程中，一個長期存在的困局是：院內(nèi)系統(tǒng)封閉、數(shù)據(jù)孤島林立，醫(yī)生不得不在多個系統(tǒng)間切換，循證工具往往淪為“查資料”的輔助角色，而非真正融入決策流程的“臨床伙伴”。這并非技術(shù)能力不足，而是產(chǎn)品形態(tài)與臨床工作流之間天然存在的割裂。

破解這一困局，需要AI真正嵌入工作流，而非停留在查詢工具層面。醫(yī)渡智循推出的醫(yī)院專屬版本，正是沿著這一方向所做的探索。

該版本可與醫(yī)院HIS、EMR等現(xiàn)有信息系統(tǒng)深度對接，實現(xiàn)患者病歷、檢查指標(biāo)、用藥記錄等真實診療數(shù)據(jù)與循證知識庫的無縫聯(lián)動。無需醫(yī)生額外輸入，系統(tǒng)即可根據(jù)患者個體情況，自動匹配對應(yīng)專科指南與智能體，生成個性化的診療建議與循證依據(jù)，讓循證智能真正嵌入院內(nèi)臨床工作流。

同時，醫(yī)院版支持針對不同醫(yī)療機構(gòu)的個性化定制：可根據(jù)醫(yī)院的學(xué)科特色、專科優(yōu)勢調(diào)整專科智能體權(quán)重，精準(zhǔn)適配院內(nèi)的藥品目錄、診療規(guī)范與質(zhì)控要求；更能聯(lián)合院內(nèi)專家共建專屬知識庫，將醫(yī)院的特色診療經(jīng)驗、內(nèi)部共識融入循證體系，使AI輸出的建議更貼合醫(yī)院的實際診療需求。

醫(yī)渡智循的個人版則通過個人知識庫功能，打造專屬于醫(yī)生的“移動循證書房”。醫(yī)生可在個人知識庫中自主收藏、上傳認(rèn)可的指南文獻、專科共識，按個人診療習(xí)慣與研究方向分類整理，形成個性化的知識空間；在臨床查詢時，系統(tǒng)可優(yōu)先匹配個人知識庫中的內(nèi)容，實現(xiàn)權(quán)威通用知識與醫(yī)生個人經(jīng)驗的有機結(jié)合。無論是門診間隙的快速查詢、院外的病例分析，還是科研時的文獻梳理，個人知識庫都能讓循證檢索更貼合醫(yī)生的個體需求，大幅提升使用效率。

從醫(yī)院版的院內(nèi)流程深度融合、個性化定制，到個人版的個人知識庫功能、院外靈活適配，醫(yī)渡智循實現(xiàn)了“院內(nèi)深耕+院外普惠”的全場景布局，讓循證智能不再是孤立的工具，而是貫穿醫(yī)生日常診療、科研、學(xué)習(xí)的全流程支撐。

05

后發(fā)優(yōu)勢：不做風(fēng)口上的產(chǎn)品

與部分從公開文獻或C端切入的同類產(chǎn)品相比，醫(yī)渡智循的差異化路徑清晰可見。

這類產(chǎn)品往往追求用戶規(guī)模，而醫(yī)渡智循從誕生之初就扎根醫(yī)院，這種“院內(nèi)出身”的路徑，決定了其與生俱來的專業(yè)性和臨床適配性。醫(yī)生使用后的第一反饋是：“這個產(chǎn)品，真的是給醫(yī)生做的。”——AI生成的結(jié)論、問答的邏輯，都高度貼合臨床思維與使用習(xí)慣。

醫(yī)渡智循的發(fā)布時間，相比同類產(chǎn)品晚了幾個月。但正如醫(yī)渡科技CEO徐濟銘所言：“醫(yī)生是高專業(yè)的群體，對新技術(shù)的接受是嚴(yán)肅謹(jǐn)慎的。直到DeepSeek moment出現(xiàn)，大家看到AI的思考鏈，才會覺得‘今天的AI有點靠譜了’。”

醫(yī)渡智循選擇在行業(yè)教育基本成熟、技術(shù)成熟度達到臨界點后推出，既節(jié)省了市場教育成本，又能更清醒地聚焦于醫(yī)生的真痛點，避免了盲目跟風(fēng)的技術(shù)堆砌。這種“慢一步”的背后，是對醫(yī)療行業(yè)規(guī)律的深刻理解，也是對產(chǎn)品臨床價值的極致追求。

06

總結(jié)

醫(yī)渡智循的技術(shù)拆解，揭示了一個樸素的道理：在醫(yī)療領(lǐng)域，AI的價值不在于“生成”多么驚艷的答案，而在于如何讓答案可信、可驗證、可嵌入臨床流程。

通過檢索環(huán)節(jié)的精細(xì)化匹配、生成環(huán)節(jié)的二次校驗、多專科智能體的深度沉淀，再到醫(yī)院版的布局、個人知識庫的個性化定制，醫(yī)渡智循解決的并不只是“幻覺率”的問題，而是AI是否具備進入真實醫(yī)療決策流程的“入場條件”。

醫(yī)渡智循的技術(shù)壁壘，本質(zhì)上是一套“讓醫(yī)療AI回歸循證”的方法論。它不是大模型熱潮下的短跑選手，而是一場以專業(yè)和信任為底色的長跑。

在這場關(guān)乎生命與健康的變革中，醫(yī)渡智循正在證明：最好的技術(shù)，不是為了取代醫(yī)生，而是為了讓臨床決策回歸循證——讓每一句話都有據(jù)可依。

未經(jīng)「AI科技評論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標(biāo)注來源并插入本公眾號名片。