大模型如何助力醫療健康服務提質增效

據動脈網發布的《2024數字醫療年度創新白皮書》，我國醫療領域“百模大戰”戮戰正酣。另據億歐數據測算，截至2024年底，國內累計公開的醫療大模型產品數量已逾百款，覆蓋了藥物研發、專病專科、患者問診、中醫藥、醫學影像、病歷文本分析及質控、輔助決策等多個關鍵場景。不同于其他領域的大模型，醫療大模型在數據、場景、算法、商業化等方面都面臨更為復雜的挑戰。作為國內率先發布健康管理領域大語言模型的企業，微脈CareAI如何領跑行業，勇摘醫療大模型金字塔上的明珠？本文將從數據卡點、信任缺失、模型幻覺、價值閉環等四個方面探討微脈CareAI如何助力醫療健康服務提質增效。

從CareGPT到CareAI

微脈創始人兼CEO裘加林認為，AI技術在醫療中的應用不應局限于優化或替代現有存量服務，而應著重于創造增量服務，以滿足未被滿足的需求。基于這一理念，微脈于2023年8月發布了國內首款健康管理領域的大語言模型應用——CareGPT。該模型的目的不是尋求替代醫生或護士的智能產品，而是希望將生成式AI打造成患者的健康代理人，為患者提供出院后的延續性健康管理服務，從而有效擴大醫療服務的覆蓋范圍，滿足更多患者的需求。據微脈技術中心總經理海馬（花名）介紹，CareGPT將語言大模型AI技術與一系列工程調優技術以及全病程管理相結合，參數規模為70億，可支持醫療健康場景下的多模態輸入和輸出。通過對患者聊天內容的分析，CareGPT能夠相對準確地掌握患者健康情況全貌，同時支持專業自評量表推送，幫助患者自主進行初步的身體狀況篩查，實現分診導診的智能化輔助；在診后環節，結合患者已授權獲取的平臺上的相關診療數據，實現更高效的患者管理。在此背景下，優質醫療健康管理資源將被快速復制并迅速推廣，幫助廣大患者獲得更加便捷、高效、可及的健康管理服務，并有望構建集院前、院中、院后為一體的健康管理新模式。憑借CareGPT的支持，醫生和個案管理師同一時期的患者管理數量可提升至500個，在此之前，這一數據僅為50～70個。

基于CareGPT的成功，微脈于2024年推出健康管理智能體CareAI。相較于CareGPT的定位主要是為醫院、醫生和微脈個案管理師提供輔助工具，CareAI致力于為患者提供更加個性化和精準的健康管理方案。具體而言，微脈將生成式 AI 技術應用于五大業務場景：智能助手（To C）、應答輔助（To B）、全病程管理方案、健康檔案維護以及臨床數據分析。裘加林坦言：“在傳統診療框架內，受限于時間與空間，患者一旦離開醫院，醫院便難以維系持續的服務鏈。CareAI的引入正逐漸扭轉這一現狀，它無縫連接醫院與患者，跨越時空界限，構建了一條基于‘信任’的長久紐帶。”

2024年8月，CareAI通過國家網信辦互聯網信息服務算法備案，正式向社會大眾提供合法合規的健康管理服務。同年11月，在第十二屆健康界醫院管理大會暨全民健康管理大會上，微脈借助CareAI打造的《以健康會員為載體的延續性醫療服務模式》榮獲“金如意健康管理領域卓越獎”。截至2025年1月，CareAI已迭代至2.0版并投入醫院場景應用，高效解答用戶咨詢總計超10萬人次，節省醫院時間成本共計31200小時，提升醫護40%工作效率。

醫療大模型落地的四大關口

盡管CareAI的應用進展喜人，裘加林仍清醒地認識到，“技術迭代不難，觀念轉變卻需要時間”。大模型在醫療健康服務領域的落地過程中依然面臨四大關口的考驗。

數據卡點

大模型的本質是基于數據給出合理的判斷和預測，因此想要充分發揮大模型在醫療領域的潛力，最大的難點就是如何突破數據卡點。與其他垂類大模型相比，醫療數據的專業性、復雜性、多樣性，導致醫療大模型落地面臨數據質量低、數據孤島問題嚴重、數據資產化難，以及對多模態數據協同、數據標準化、數據時效性的要求越發苛刻等痛點。一方面，醫療數據往往涉及多種疾病、患者群體和臨床場景，數據類型包括文本、圖像、基因組數據等，數據來源包含不同的醫療機構和信息系統，這些都會導致數據質量參差不齊以及多模態數據處理難度高等問題。另一方面，醫療行業內部缺乏統一的數據標準及數據交互界面，甚至大多數醫院只愿意將其數據庫接入局域網，導致整個醫療服務體系的數據孤島難以打破，成為大模型訓練的絆腳石。

此外，即使“數據”早已被視為第五大生產要素，醫療數據資產化依然障礙重重。由于數據隱私性強、數據濫用風險高、數據責任歸屬不清，以及缺少可信安全的健康信息共享交易平臺和有效規范的數據流通交易監管機制等問題，大多數醫院對于數據出院的態度比較保守。眾所周知，高質量的數據輸入是大模型優化的基礎，而這些數據卡點導致醫療大模型的訓練舉步維艱。

信任缺失

盡管醫療大模型在藥物研發、患者問診、醫學影像、輔助決策、健康管理等多個關鍵場景取得初步應用，但由于業務場景模型需求分散、AI缺乏對行業場景的深度理解，用戶信任缺失仍是其廣泛落地的主要障礙。作為一種信任品，用戶無法僅憑體驗或價格來評判醫療服務的質量，更多的是基于信任進行選擇。因此，盡管醫療大模型性能不斷優化，但患者仍然優先依賴人類醫生的專業判斷，而非算法自動生成的診斷或建議。信任缺失導致醫療大模型未能在實際的醫療服務中被患者廣泛接受。

此外，雖然大模型的準確率不斷提升（如騰訊健康AI智能預問診系統在病歷小結上的準確率已達87%），其在核心醫療環節的診斷上與經驗豐富的醫生相比仍存在顯著差距。浙江大學醫學院附屬第二醫院人工智能與信息化部主任相鵬明確指出，盡管醫療大模型數量已達三位數之多，但醫療領域大模型的應用還處于摸索階段。研究報告表明，大模型在診斷和治療方案的設計上還存在一定的局限性，而醫療服務中任何細微的差錯都可能導致嚴重后果，這使得醫生和患者在接受大模型決策時依然持謹慎態度。

模型幻覺

模型幻覺是醫療大模型安全部署的重大障礙之一。模型幻覺主要是指大模型基于自己的想象而非現實數據去生成內容，通常表現為大模型在回答問題時編造不真實的細節，或者對事實產生錯誤的解釋等。微脈首席技術官鄭海華曾指出，由于大語言模型的推理過程是算法“黑盒”，醫療大模型在實際應用中通常面臨可解釋性和可靠性等問題。騰訊 AI Lab發布的《大模型幻覺工作綜述》指出，常見的大模型幻覺可分為三類。一是與用戶輸入沖突的幻覺（InputConflicting Hallucination），即“答非所問”。如當患者詢問關于某種疾病的治療方法時，大模型可能會給出該疾病的癥狀描述。二是與已生成的上下文沖突的幻覺（Context-Conflicting Hallucination），即“反復無常”。如在不同時間或場景下對相同問題給出矛盾的答案，大模型今天為患者診斷為感冒，明天又診斷為過敏。三是與事實知識沖突的幻覺（Fact-Conflicting Hallucination），即“一本正經說胡話”。如胃復安的主要成分是甲氧氯普胺，但大模型卻錯誤地判斷為“天然氣孔草酮”。

大模型幻覺可能導致虛假數據、錯誤診斷及醫療決策失誤，從而對患者健康造成嚴重威脅。正如高德納公司（Gartner）在2024年7月發布的一項新的研究報告中所警示的，生成式AI在醫療健康領域的應用已從“期望膨脹期”步入“幻滅低谷期”。如何讓醫療大模型既“有效”又“理性”，防止其成為“脫韁野馬”，仍需持續努力。

價值閉環

前百度集團大健康事業群總裁何明科曾公開表示，醫療行業是一個經典的“決策者（醫院/醫生）、付費者（保險/醫保）和使用者（患者）三位分離”的行業。因此，即使大模型被很多人視為最有可能破解“醫療不可能三角”的智能解決方案，其能否成功落地，最終仍取決于能否建立決策者、付費者和使用者之間的價值閉環，即同時滿足用戶價值、社會價值和商業價值。

從用戶價值的視角來看，醫療大模型面臨的準確度、可解釋性和數據隱私等問題，使其受到大量患者的質疑。近日，Nature Medicine上的一項研究指出，醫療大模型極易受到“數據投毒”攻擊，基于其抓取的質量參差不齊甚至虛假的數據，可能生成一些有誤導性甚至有害的醫療建議，對患者的生命安全帶來重大隱患。曾有一款北美醫療大模型將毒蠅傘、死亡帽等致命毒蘑菇識別為可食用品種，致使數十人中毒。從社會價值的視角來看，很多醫療機構臨床醫生也對大模型技術提出了質疑。2024年的一項研究報告顯示，大模型在臨床決策中的最低正確率僅13%，遠不及人類醫生的水平。這一發現促使很多醫療機構重新評估其在醫療大模型領域的投入策略。從商業價值的角度來看，如何實現投入與產出的均衡，推進大模型商業化落地是當前所有醫療大模型企業面臨的最大考驗。動脈網蛋殼研究院在《2023年醫療人工智能報告》中提到，醫療AI的商業化形勢始終透著一種朦朧感。對于算力成本高昂、審核條件苛刻的醫療大模型而言，商業化道路則更加艱難。據醫療行業資深人士分析，若企業選擇醫院為付費主體，大模型產品從獲取上市相關證書到實現盈利，需要經歷4～5年的漫長周期。一個無法忽略的事實是，市場上醫療大模型看似百花齊放，實際上，諸多醫療大模型廠商仍未找到可行的商業化路徑，能真正實現決策者、付費者和使用者之間價值閉環的仍是鳳毛麟角。億歐智庫報告預測，AI大模型在醫療領域的市場規模增速將從2024年的131.6%降低到2030年的40.4%。

微脈CareAI的四大優勢

得益于多年來在“AI+醫療健康”領域的積累，微脈CareAI憑借全息健康檔案、CareAI+多師共管、通專融合以及健康會員分層管理等四大優勢，試圖攻破醫療大模型落地的四大關口（見圖1）。CareAI的應用為用戶提供從疾病預防到康復的全鏈條服務、為公立醫院創造廣闊的增量服務價值的同時，憑借其國內首創的“以健康會員為載體的延續性醫療服務模式”實現了經濟效益與社會效益的雙重提升。

全息健康檔案

如前文所述，數據孤島問題嚴重、多模態數據融合難、數據標準化程度低及數據時效性差等都是阻礙醫療大模型落地的數據卡點問題。針對這一難點，微脈CareAI通過與公立醫院合作，實現醫院就醫數據聯通，整合超大規模醫學及個案管理數據庫，共建以患者為中心的全息健康檔案。全息健康檔案包含院前管理、院中就診及院后康復等所有環節中涉及的患者基本信息、院內外診療數據、院外管理數據、會員服務記錄等數據。通過調取用戶的院內健康檔案數據、在與用戶的交互中識別關鍵信息及動態更新用戶檔案系統等數據整合策略，同時結合數據脫敏加密、訪問權限控制等數據安全機制，微脈CareAI將患者打造為醫療數據的集合體。一方面可以打破數據孤島，實現醫療數據“多跑路”、患者就醫“少跑腿”；另一方面也可為醫療大模型訓練筑牢數據根基。

據微脈相關負責人介紹，微脈通過將患者檢查報告信息按照統一標準格式上傳至平臺云端，并采用多數據中心架構和多級緩存加速機制的方式，實現了患者數據的“標識統一、數據同池、秒級共享”，以及醫生診療數據的“快速調閱”和“互認引用”，解決了不同醫療機構間長期存在的數據孤島、數據標準化程度低等問題。另外，微脈還會基于患者與CareAI的各種互動信息進行自動數據分析，實現患者全息健康檔案的實時動態更新，確保了醫療大模型數據的時效性。同時，微脈還會以疾病為單元構建覆蓋患者全病程數據的醫療數據庫，反哺醫學科研研究和醫療大模型的訓練。截至2024年，微脈已成功構建覆蓋全國的醫療健康服務網絡，連接全國2500多家公立醫療機構和20萬執業醫師，面向6000多萬用戶提供健康管理服務。據悉，微脈在醫療數據共享互認方面的經驗已榮獲“浙江省改革突破獎”、2024年全國“城市全域數字化轉型典型實踐案例”等多項認可，同時也為全國數字健康領域數據價值化和產業數字化協同發展提供了可推廣、可復制、可落地的新方案。

盡管微脈CareAI在解決數據卡點問題上成績斐然，卻也不可避免地面臨諸多挑戰。雖然已成功構建廣泛的醫療健康服務網絡，連接眾多公立醫療機構，但仍有部分醫療機構因信息化水平差異、系統兼容性問題，使得數據聯通的深度與廣度拓展受限，新接入機構的數據整合難度增大，數據傳輸的穩定性和及時性也面臨考驗。數據安全是另一大難題。隨著數據量劇增和交互頻繁，數據脫敏加密與訪問權限控制的難度呈指數級上升，數據泄露風險高懸，威脅患者隱私和微脈聲譽，現有安全防護體系亟待升級。總之，如何在保障數據安全的前提下，進一步優化數據處理效率，是CareAI 未來需要努力的方向。

CareAI+多師共管

用戶信任缺失一直是醫療大模型落地的關鍵難題。裘加林坦言，在以信任為基礎的醫療市場中，AI終究無法完全代替人類醫生。2024年10月，國內某雜志發表的一項研究指出，醫生使用AI輔助診斷時，患者對醫生的信任度會下降。患者對醫療大模型的不信任主要來自于對大模型技術的準確度、安全性等方面的擔憂。此外，缺乏人文關懷也是醫療大模型難以獲取用戶信任的一大原因。在微脈的管理方案中，CareAI并非孤立應用，而是與個案管理師和醫生等人工審核環節相結合，形成一個金字塔模型。具體來說，微脈采取“CareAI+多師共管”的模式，將生成式 AI技術應用于多個業務場景中，同時組建“醫護人員+健康管理師+健康管家+CareAI”多師共管團隊，圍繞患者實際需求進行干預，提高醫療大模型診斷的準確性及個性化服務能力，從而提升患者對醫療大模型的信任度。

在該模式中，CareAI主要承擔預處理和初步分析的工作，而醫療助理和醫生則對AI的輸出進行復核和確認，從而提高工作效率，并保證診斷結果的準確性和可靠性。同時，微脈個案管理師還承擔著患者院后隨訪、復診督導、健康指導等一系列職責，作為醫患間重要的“黏合劑”，為患者提供心理關懷，持續增強患者對CareAI的信任。

目前，“CareAI+多師共管”的模式已在與微脈攜手合作的多家醫院中成功落地，并穩步推廣。例如，作為國內最早引入微脈CareAI大模型的公立醫院，臺州恩澤醫療中心（集團）很早就意識到醫患信任薄弱化是當前“AI+醫療健康服務”面臨的一大痛點，而AI與人合作的方式恰恰可以通過提升醫療服務質量、延伸醫療服務邊界、滿足患者個性化需求來強化醫患信任。因此，臺州恩澤醫療中心與微脈攜手，以“AI醫生助理+ AI健康顧問”（如圖2所示）的方式來加強患者對醫療大模型的信任。

“CareAI+多師共管” 模式在改善患者對醫療大模型信任方面取得了一定進展。但患者對CareAI的信任建立是一個動態過程，一旦出現AI誤診、信息泄露等負面事件，即便概率極低，也可能嚴重破壞患者信任。隨著患者對AI了解加深，其對準確性、安全性和隱私保護等方面的期望會不斷提高，如何持續滿足這些期望，維持信任關系，將是長期挑戰。

通專融合

為有效攻克大模型“幻覺”難題，微脈將 “通才模型”與“專病管理體系” 深度融合。其中，通才模型CareAI扮演任務規劃的“中樞大腦”角色，憑借其強大的智能調度能力，可精準調配1000余種專病管理體系，構建起“CareAI專科智能體矩陣”，從而輔助醫生開展跨科室、跨模態的復雜診斷推理工作，大幅提升醫療診斷的準確性與效率。據微脈市場總監張樂介紹，CareAI專科智能體的工作流程緊密圍繞對應專科領域的個性化服務展開。其提示詞的定制充分契合指定科室的特點，讓大模型基于專科背景知識進行精準推理，以此大幅提升大模型生成結果的專業性和準確性，有效緩解大模型幻覺問題，為醫療服務的智能化升級提供更可靠的技術支持。

此外，微脈還積極運用多種前沿技術手段，多管齊下攻克大模型幻覺難題。一方面，精心搭建嵌入式知識庫，為模型提供豐富且準確的知識儲備，使其在運算時有堅實的數據支撐；另一方面，優化提示詞、精準挑選適配的Prompt模板，最大程度激發模型潛能，確保輸出結果更貼合實際需求。同時，巧妙調節溫度參數，合理管控輸出結果的隨機性，引導大模型基于上下文學習進行回答。這種保守嚴謹的輸出模式，有效規避了大模型生成過程中因上下文沖突而產生的幻覺現象，全方位提升模型性能，為醫療智能化應用筑牢根基。當然，這些應對模型幻覺的技術手段在復雜臨床場景下的普適性還需進一步驗證。實際醫療場景中，患者個體差異、數據噪聲等因素復雜多變，現有的提示詞定制、溫度參數調節等方法可能無法完全應對，需要探索更具適應性和穩定性的解決方案，以確保CareAI在各種情況下都能穩定、準確地運行，持續為醫療服務提供可靠支持。

健康會員分層管理

為了給醫療服務過程中的各方參與者創造價值，實現醫療大模型的價值閉環，微脈CareAI依托院企深度合作，根據患者診前—中—后的醫療服務需求，結合AI客服管家、人工客服管家、個案管理師、線下健康管家/醫生助手等服務角色，搭建健康會員分層運營管理框架，實現患者、醫護、醫院多方共贏。

該框架分為三層服務：第一層為覆蓋全部患者的關懷式服務，主要由機器人和客服管家提供包括門診通知、復診提醒、復診預約、院內轉診協助、健康宣教、出院指導、投訴建議、生日關懷等在內的基礎管理服務。第二層主要針對院外術后、亞健康、慢病等人群的階段式服務，由機器人、醫護團隊和個案管理師提供醫護在線咨詢、專科檢查預約、院外健康監測、專病管理、疾病宣教、康復指導、并發癥預防、用藥指導、復診安排等專科專病健康管理服務。第三層是面對部分高端人群的管家式服務，由運營團隊、醫護團隊和健康管家提供以患者為中心的個性化服務、緊急狀況的響應服務、全流程多對一服務、MDT團隊咨詢服務等。

對于政府來說，健康會員分層管理模式可以優化資源配置，讓優質醫療資源惠及更多人群。對于醫院來說，它能夠將區域內的患者有效管理好、服務好，留住優質病源，提升核心競爭力。對于醫生來說，它可以延伸服務路徑，提高管理效率，合理增加服務性收入。對于患者來說，它可以滿足多樣化、多層次醫療健康需求，提升就醫體驗。可以說，通過搭建健康會員分層運營管理框架，微脈為破解“醫療不可能三角”提供了一個新方案。因此，在2024年“康中國？金如意”優選方案頒獎典禮上，微脈憑借在數字健康領域創新實踐，一舉斬獲三項大獎并被授予“先鋒企業”稱號。

早在2023年，臺州恩澤醫療中心便與微脈攜手開展健康會員中心建設。同年6月，雙方基于KANO模型（一種將產品質量特性實現度與產品需方滿意度相結合，建立“質量特性實現度—需方感知滿意度”二維度認知的模型），完成了會員制健康管家項目的患者需求調研工作。2024年5月，“恩澤健康會員”試運行啟動儀式在臺州醫院東院區舉行，標志著微脈以健康會員為載體的延續性醫療服務模式正式落地。臺州恩澤醫院管理研究院院長陳海嘯表示，基于“價值對等”原則的健康會員模式，可以實現患者、醫護、醫院多方共贏。截至2024年8月，臺州恩澤醫療中心健康會員總數已達479人，累計服務患者2982例，科室覆蓋率達70%以上，兒保科復診率由30%提升至70%，宮巢關愛管理服務轉化率高達80%，實現了用戶價值、社會價值和商業價值的三重提升，成為微脈實現醫療大模型價值閉環的有力例證。

雖然臺州恩澤醫療中心與微脈合作的健康會員分層管理模式在實現價值閉環方面初顯成效，但在整體價值閉環中，仍面臨一系列嚴峻挑戰。雖然CareAI在健康會員分層管理模式下分別為患者、醫護、醫院創造了價值，但在信息流通和資源分配上，仍存在優化空間。例如，患者的健康數據在不同服務層級和角色之間傳遞時，可能出現延遲或不完整的情況，影響醫護人員及時準確地作出決策，進而影響患者體驗，破壞價值閉環的流暢性。此外，在社會價值的持續拓展上，如何將這一模式更廣泛深入地推廣到醫療資源相對匱乏的地區，讓更多患者受益，實現更大范圍的醫療公平，也是CareAI需要努力攻克的難題。只有解決好這些問題，CareAI才能真正實現可持續的價值閉環，為醫療行業的發展帶來更深遠的影響。

結論與啟示

醫療大模型的應用不僅可以提升醫療健康服務質量，為醫療決策提供科學依據，還能開拓醫療服務新場景，為醫療行業創造新的價值增量，是推進健康中國建設的關鍵著力點。因此，微脈CareAI的實踐對我國醫療行業大模型的落地具有重要的管理啟示。

第一，堅守“信任醫療”的初心。裘加林很早就意識到，醫療服務運營的核心是“信任”。因此，從創立伊始，微脈始終以患者的本地化醫療服務需求為出發點，致力于建立基于首診的信任醫患鏈接。歷經近十年的發展，微脈已打造出具有中國特色的本地化信任醫療服務平臺。在醫療大模型落地困難重重的行業背景下，微脈CareAI及健康會員分層管理模式能在臺州恩澤醫療中心順利落地，也離不開多年來在臺州區域積累的患者信任。因此，醫療大模型想要實現在醫療機構的落地和擴展，必須牢牢把握“本地化”和“信任”這兩個關鍵詞。

第二，秉持“以人為本，智能向善”的理念。盡管近年來AI在醫療領域的應用成果斐然，但我們必須承認的是，醫療大模型在本質上仍然只是醫生的輔助工具，而不是醫生的替代者。微脈在嘗試用大模型進行全面健康管理的過程中，也正是遵循了“以人為本，智能向善”的理念，通過采取“CareAI+多師共管”，來減輕患者對大模型的質疑。

第三，打造會員制醫療服務，破解普惠醫療難題。在商業化方面，醫療大模型始終面臨著成本高昂和盈利周期漫長等問題。微脈首創的健康會員分層管理模式，可以通過與醫院共同構建多樣化、多層次的服務體系，滿足不同層次患者的健康管理需求，助力醫療服務全人群覆蓋。同時，通過會員制管理，還可以有效預測和控制醫療成本，實現經濟效益與社會效益的雙重提升。

2023年是國內千模爭流的一年，也是中國醫療大模型發展的元年。至2024年底，涌入醫療領域的大模型已逾百個。從微脈CareAI不難看出，醫療大模型前行之路并非坦途，數據卡點、信任缺失、模型幻覺以及價值閉環等問題猶如巨石橫亙在前。未來，醫療大模型的發展將依托多模態與跨學科融合、聚焦個性化精準醫療需求，開發專病大模型，并逐步向醫療智能體（AI Agent）演進，朝著集成化、精準化和智能化的方向邁進。作為醫療大模型領域的先行者，微脈也正在致力于打造名醫分身及互動數字人，提供更人性化的醫患交互體驗，如此才能跨越重重阻礙，真正發揮醫療大模型的價值，持續引領中國醫療服務行業的變革。