據(jù)動脈網(wǎng)發(fā)布的《2024數(shù)字醫(yī)療年度創(chuàng)新白皮書》，我國醫(yī)療領(lǐng)域“百模大戰(zhàn)”戮戰(zhàn)正酣。另據(jù)億歐數(shù)據(jù)測算，截至2024年底，國內(nèi)累計公開的醫(yī)療大模型產(chǎn)品數(shù)量已逾百款，覆蓋了藥物研發(fā)、專病?？啤⒒颊邌栐\、中醫(yī)藥、醫(yī)學(xué)影像、病歷文本分析及質(zhì)控、輔助決策等多個關(guān)鍵場景。不同于其他領(lǐng)域的大模型，醫(yī)療大模型在數(shù)據(jù)、場景、算法、商業(yè)化等方面都面臨更為復(fù)雜的挑戰(zhàn)。作為國內(nèi)率先發(fā)布健康管理領(lǐng)域大語言模型的企業(yè)，微脈CareAI如何領(lǐng)跑行業(yè)，勇摘醫(yī)療大模型金字塔上的明珠？本文將從數(shù)據(jù)卡點、信任缺失、模型幻覺、價值閉環(huán)等四個方面探討微脈CareAI如何助力醫(yī)療健康服務(wù)提質(zhì)增效。

從CareGPT到CareAI

微脈創(chuàng)始人兼CEO裘加林認為，AI技術(shù)在醫(yī)療中的應(yīng)用不應(yīng)局限于優(yōu)化或替代現(xiàn)有存量服務(wù)，而應(yīng)著重于創(chuàng)造增量服務(wù)，以滿足未被滿足的需求?；谶@一理念，微脈于2023年8月發(fā)布了國內(nèi)首款健康管理領(lǐng)域的大語言模型應(yīng)用——CareGPT。該模型的目的不是尋求替代醫(yī)生或護士的智能產(chǎn)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(xù)性健康管理服務(wù)，從而有效擴大醫(yī)療服務(wù)的覆蓋范圍，滿足更多患者的需求。據(jù)微脈技術(shù)中心總經(jīng)理海馬（花名）介紹，CareGPT將語言大模型AI技術(shù)與一系列工程調(diào)優(yōu)技術(shù)以及全病程管理相結(jié)合，參數(shù)規(guī)模為70億，可支持醫(yī)療健康場景下的多模態(tài)輸入和輸出。通過對患者聊天內(nèi)容的分析，CareGPT能夠相對準(zhǔn)確地掌握患者健康情況全貌，同時支持專業(yè)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(xiàn)分診導(dǎo)診的智能化輔助；在診后環(huán)節(jié)，結(jié)合患者已授權(quán)獲取的平臺上的相關(guān)診療數(shù)據(jù)，實現(xiàn)更高效的患者管理。在此背景下，優(yōu)質(zhì)醫(yī)療健康管理資源將被快速復(fù)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(wù)，并有望構(gòu)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(yī)生和個案管理師同一時期的患者管理數(shù)量可提升至500個，在此之前，這一數(shù)據(jù)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(yī)院、醫(yī)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(zhǔn)的健康管理方案。具體而言，微脈將生成式 AI 技術(shù)應(yīng)用于五大業(yè)務(wù)場景：智能助手（To C）、應(yīng)答輔助（To B）、全病程管理方案、健康檔案維護以及臨床數(shù)據(jù)分析。裘加林坦言：“在傳統(tǒng)診療框架內(nèi)，受限于時間與空間，患者一旦離開醫(yī)院，醫(yī)院便難以維系持續(xù)的服務(wù)鏈。CareAI的引入正逐漸扭轉(zhuǎn)這一現(xiàn)狀，它無縫連接醫(yī)院與患者，跨越時空界限，構(gòu)建了一條基于‘信任’的長久紐帶?！?/p>

2024年8月，CareAI通過國家網(wǎng)信辦互聯(lián)網(wǎng)信息服務(wù)算法備案，正式向社會大眾提供合法合規(guī)的健康管理服務(wù)。同年11月，在第十二屆健康界醫(yī)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(xù)性醫(yī)療服務(wù)模式》榮獲“金如意健康管理領(lǐng)域卓越獎”。截至2025年1月，CareAI已迭代至2.0版并投入醫(yī)院場景應(yīng)用，高效解答用戶咨詢總計超10萬人次，節(jié)省醫(yī)院時間成本共計31200小時，提升醫(yī)護40%工作效率。

醫(yī)療大模型落地的四大關(guān)口

盡管CareAI的應(yīng)用進展喜人，裘加林仍清醒地認識到，“技術(shù)迭代不難，觀念轉(zhuǎn)變卻需要時間”。大模型在醫(yī)療健康服務(wù)領(lǐng)域的落地過程中依然面臨四大關(guān)口的考驗。

數(shù)據(jù)卡點

大模型的本質(zhì)是基于數(shù)據(jù)給出合理的判斷和預(yù)測，因此想要充分發(fā)揮大模型在醫(yī)療領(lǐng)域的潛力，最大的難點就是如何突破數(shù)據(jù)卡點。與其他垂類大模型相比，醫(yī)療數(shù)據(jù)的專業(yè)性、復(fù)雜性、多樣性，導(dǎo)致醫(yī)療大模型落地面臨數(shù)據(jù)質(zhì)量低、數(shù)據(jù)孤島問題嚴(yán)重、數(shù)據(jù)資產(chǎn)化難，以及對多模態(tài)數(shù)據(jù)協(xié)同、數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)時效性的要求越發(fā)苛刻等痛點。一方面，醫(yī)療數(shù)據(jù)往往涉及多種疾病、患者群體和臨床場景，數(shù)據(jù)類型包括文本、圖像、基因組數(shù)據(jù)等，數(shù)據(jù)來源包含不同的醫(yī)療機構(gòu)和信息系統(tǒng)，這些都會導(dǎo)致數(shù)據(jù)質(zhì)量參差不齊以及多模態(tài)數(shù)據(jù)處理難度高等問題。另一方面，醫(yī)療行業(yè)內(nèi)部缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)及數(shù)據(jù)交互界面，甚至大多數(shù)醫(yī)院只愿意將其數(shù)據(jù)庫接入局域網(wǎng)，導(dǎo)致整個醫(yī)療服務(wù)體系的數(shù)據(jù)孤島難以打破，成為大模型訓(xùn)練的絆腳石。

此外，即使“數(shù)據(jù)”早已被視為第五大生產(chǎn)要素，醫(yī)療數(shù)據(jù)資產(chǎn)化依然障礙重重。由于數(shù)據(jù)隱私性強、數(shù)據(jù)濫用風(fēng)險高、數(shù)據(jù)責(zé)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(guī)范的數(shù)據(jù)流通交易監(jiān)管機制等問題，大多數(shù)醫(yī)院對于數(shù)據(jù)出院的態(tài)度比較保守。眾所周知，高質(zhì)量的數(shù)據(jù)輸入是大模型優(yōu)化的基礎(chǔ)，而這些數(shù)據(jù)卡點導(dǎo)致醫(yī)療大模型的訓(xùn)練舉步維艱。

信任缺失

盡管醫(yī)療大模型在藥物研發(fā)、患者問診、醫(yī)學(xué)影像、輔助決策、健康管理等多個關(guān)鍵場景取得初步應(yīng)用，但由于業(yè)務(wù)場景模型需求分散、AI缺乏對行業(yè)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(yī)療服務(wù)的質(zhì)量，更多的是基于信任進行選擇。因此，盡管醫(yī)療大模型性能不斷優(yōu)化，但患者仍然優(yōu)先依賴人類醫(yī)生的專業(yè)判斷，而非算法自動生成的診斷或建議。信任缺失導(dǎo)致醫(yī)療大模型未能在實際的醫(yī)療服務(wù)中被患者廣泛接受。

此外，雖然大模型的準(zhǔn)確率不斷提升（如騰訊健康A(chǔ)I智能預(yù)問診系統(tǒng)在病歷小結(jié)上的準(zhǔn)確率已達87%），其在核心醫(yī)療環(huán)節(jié)的診斷上與經(jīng)驗豐富的醫(yī)生相比仍存在顯著差距。浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院人工智能與信息化部主任相鵬明確指出，盡管醫(yī)療大模型數(shù)量已達三位數(shù)之多，但醫(yī)療領(lǐng)域大模型的應(yīng)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(shè)計上還存在一定的局限性，而醫(yī)療服務(wù)中任何細微的差錯都可能導(dǎo)致嚴(yán)重后果，這使得醫(yī)生和患者在接受大模型決策時依然持謹(jǐn)慎態(tài)度。

模型幻覺

模型幻覺是醫(yī)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(xiàn)實數(shù)據(jù)去生成內(nèi)容，通常表現(xiàn)為大模型在回答問題時編造不真實的細節(jié)，或者對事實產(chǎn)生錯誤的解釋等。微脈首席技術(shù)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(yī)療大模型在實際應(yīng)用中通常面臨可解釋性和可靠性等問題。騰訊 AI Lab發(fā)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(dāng)患者詢問關(guān)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(fù)無?！?。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(jīng)說胡話”。如胃復(fù)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(dǎo)致虛假數(shù)據(jù)、錯誤診斷及醫(yī)療決策失誤，從而對患者健康造成嚴(yán)重威脅。正如高德納公司（Gartner）在2024年7月發(fā)布的一項新的研究報告中所警示的，生成式AI在醫(yī)療健康領(lǐng)域的應(yīng)用已從“期望膨脹期”步入“幻滅低谷期”。如何讓醫(yī)療大模型既“有效”又“理性”，防止其成為“脫韁野馬”，仍需持續(xù)努力。

價值閉環(huán)

前百度集團大健康事業(yè)群總裁何明科曾公開表示，醫(yī)療行業(yè)是一個經(jīng)典的“決策者（醫(yī)院/醫(yī)生）、付費者（保險/醫(yī)保）和使用者（患者）三位分離”的行業(yè)。因此，即使大模型被很多人視為最有可能破解“醫(yī)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(huán)，即同時滿足用戶價值、社會價值和商業(yè)價值。

從用戶價值的視角來看，醫(yī)療大模型面臨的準(zhǔn)確度、可解釋性和數(shù)據(jù)隱私等問題，使其受到大量患者的質(zhì)疑。近日，Nature Medicine上的一項研究指出，醫(yī)療大模型極易受到“數(shù)據(jù)投毒”攻擊，基于其抓取的質(zhì)量參差不齊甚至虛假的數(shù)據(jù)，可能生成一些有誤導(dǎo)性甚至有害的醫(yī)療建議，對患者的生命安全帶來重大隱患。曾有一款北美醫(yī)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(shù)十人中毒。從社會價值的視角來看，很多醫(yī)療機構(gòu)臨床醫(yī)生也對大模型技術(shù)提出了質(zhì)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(yī)生的水平。這一發(fā)現(xiàn)促使很多醫(yī)療機構(gòu)重新評估其在醫(yī)療大模型領(lǐng)域的投入策略。從商業(yè)價值的角度來看，如何實現(xiàn)投入與產(chǎn)出的均衡，推進大模型商業(yè)化落地是當(dāng)前所有醫(yī)療大模型企業(yè)面臨的最大考驗。動脈網(wǎng)蛋殼研究院在《2023年醫(yī)療人工智能報告》中提到，醫(yī)療AI的商業(yè)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(yī)療大模型而言，商業(yè)化道路則更加艱難。據(jù)醫(yī)療行業(yè)資深人士分析，若企業(yè)選擇醫(yī)院為付費主體，大模型產(chǎn)品從獲取上市相關(guān)證書到實現(xiàn)盈利，需要經(jīng)歷4～5年的漫長周期。一個無法忽略的事實是，市場上醫(yī)療大模型看似百花齊放，實際上，諸多醫(yī)療大模型廠商仍未找到可行的商業(yè)化路徑，能真正實現(xiàn)決策者、付費者和使用者之間價值閉環(huán)的仍是鳳毛麟角。億歐智庫報告預(yù)測，AI大模型在醫(yī)療領(lǐng)域的市場規(guī)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(yōu)勢

得益于多年來在“AI+醫(yī)療健康”領(lǐng)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(yōu)勢，試圖攻破醫(yī)療大模型落地的四大關(guān)口（見圖1）。CareAI的應(yīng)用為用戶提供從疾病預(yù)防到康復(fù)的全鏈條服務(wù)、為公立醫(yī)院創(chuàng)造廣闊的增量服務(wù)價值的同時，憑借其國內(nèi)首創(chuàng)的“以健康會員為載體的延續(xù)性醫(yī)療服務(wù)模式”實現(xiàn)了經(jīng)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(shù)據(jù)孤島問題嚴(yán)重、多模態(tài)數(shù)據(jù)融合難、數(shù)據(jù)標(biāo)準(zhǔn)化程度低及數(shù)據(jù)時效性差等都是阻礙醫(yī)療大模型落地的數(shù)據(jù)卡點問題。針對這一難點，微脈CareAI通過與公立醫(yī)院合作，實現(xiàn)醫(yī)院就醫(yī)數(shù)據(jù)聯(lián)通，整合超大規(guī)模醫(yī)學(xué)及個案管理數(shù)據(jù)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(fù)等所有環(huán)節(jié)中涉及的患者基本信息、院內(nèi)外診療數(shù)據(jù)、院外管理數(shù)據(jù)、會員服務(wù)記錄等數(shù)據(jù)。通過調(diào)取用戶的院內(nèi)健康檔案數(shù)據(jù)、在與用戶的交互中識別關(guān)鍵信息及動態(tài)更新用戶檔案系統(tǒng)等數(shù)據(jù)整合策略，同時結(jié)合數(shù)據(jù)脫敏加密、訪問權(quán)限控制等數(shù)據(jù)安全機制，微脈CareAI將患者打造為醫(yī)療數(shù)據(jù)的集合體。一方面可以打破數(shù)據(jù)孤島，實現(xiàn)醫(yī)療數(shù)據(jù)“多跑路”、患者就醫(yī)“少跑腿”；另一方面也可為醫(yī)療大模型訓(xùn)練筑牢數(shù)據(jù)根基。

據(jù)微脈相關(guān)負責(zé)人介紹，微脈通過將患者檢查報告信息按照統(tǒng)一標(biāo)準(zhǔn)格式上傳至平臺云端，并采用多數(shù)據(jù)中心架構(gòu)和多級緩存加速機制的方式，實現(xiàn)了患者數(shù)據(jù)的“標(biāo)識統(tǒng)一、數(shù)據(jù)同池、秒級共享”，以及醫(yī)生診療數(shù)據(jù)的“快速調(diào)閱”和“互認引用”，解決了不同醫(yī)療機構(gòu)間長期存在的數(shù)據(jù)孤島、數(shù)據(jù)標(biāo)準(zhǔn)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(shù)據(jù)分析，實現(xiàn)患者全息健康檔案的實時動態(tài)更新，確保了醫(yī)療大模型數(shù)據(jù)的時效性。同時，微脈還會以疾病為單元構(gòu)建覆蓋患者全病程數(shù)據(jù)的醫(yī)療數(shù)據(jù)庫，反哺醫(yī)學(xué)科研研究和醫(yī)療大模型的訓(xùn)練。截至2024年，微脈已成功構(gòu)建覆蓋全國的醫(yī)療健康服務(wù)網(wǎng)絡(luò)，連接全國2500多家公立醫(yī)療機構(gòu)和20萬執(zhí)業(yè)醫(yī)師，面向6000多萬用戶提供健康管理服務(wù)。據(jù)悉，微脈在醫(yī)療數(shù)據(jù)共享互認方面的經(jīng)驗已榮獲“浙江省改革突破獎”、2024年全國“城市全域數(shù)字化轉(zhuǎn)型典型實踐案例”等多項認可，同時也為全國數(shù)字健康領(lǐng)域數(shù)據(jù)價值化和產(chǎn)業(yè)數(shù)字化協(xié)同發(fā)展提供了可推廣、可復(fù)制、可落地的新方案。

盡管微脈CareAI在解決數(shù)據(jù)卡點問題上成績斐然，卻也不可避免地面臨諸多挑戰(zhàn)。雖然已成功構(gòu)建廣泛的醫(yī)療健康服務(wù)網(wǎng)絡(luò)，連接眾多公立醫(yī)療機構(gòu)，但仍有部分醫(yī)療機構(gòu)因信息化水平差異、系統(tǒng)兼容性問題，使得數(shù)據(jù)聯(lián)通的深度與廣度拓展受限，新接入機構(gòu)的數(shù)據(jù)整合難度增大，數(shù)據(jù)傳輸?shù)姆€(wěn)定性和及時性也面臨考驗。數(shù)據(jù)安全是另一大難題。隨著數(shù)據(jù)量劇增和交互頻繁，數(shù)據(jù)脫敏加密與訪問權(quán)限控制的難度呈指數(shù)級上升，數(shù)據(jù)泄露風(fēng)險高懸，威脅患者隱私和微脈聲譽，現(xiàn)有安全防護體系亟待升級?？傊?，如何在保障數(shù)據(jù)安全的前提下，進一步優(yōu)化數(shù)據(jù)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(yī)療大模型落地的關(guān)鍵難題。裘加林坦言，在以信任為基礎(chǔ)的醫(yī)療市場中，AI終究無法完全代替人類醫(yī)生。2024年10月，國內(nèi)某雜志發(fā)表的一項研究指出，醫(yī)生使用AI輔助診斷時，患者對醫(yī)生的信任度會下降。患者對醫(yī)療大模型的不信任主要來自于對大模型技術(shù)的準(zhǔn)確度、安全性等方面的擔(dān)憂。此外，缺乏人文關(guān)懷也是醫(yī)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(yīng)用，而是與個案管理師和醫(yī)生等人工審核環(huán)節(jié)相結(jié)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(shù)應(yīng)用于多個業(yè)務(wù)場景中，同時組建“醫(yī)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(yù)，提高醫(yī)療大模型診斷的準(zhǔn)確性及個性化服務(wù)能力，從而提升患者對醫(yī)療大模型的信任度。

在該模式中，CareAI主要承擔(dān)預(yù)處理和初步分析的工作，而醫(yī)療助理和醫(yī)生則對AI的輸出進行復(fù)核和確認，從而提高工作效率，并保證診斷結(jié)果的準(zhǔn)確性和可靠性。同時，微脈個案管理師還承擔(dān)著患者院后隨訪、復(fù)診督導(dǎo)、健康指導(dǎo)等一系列職責(zé)，作為醫(yī)患間重要的“黏合劑”，為患者提供心理關(guān)懷，持續(xù)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(yī)院中成功落地，并穩(wěn)步推廣。例如，作為國內(nèi)最早引入微脈CareAI大模型的公立醫(yī)院，臺州恩澤醫(yī)療中心（集團）很早就意識到醫(yī)患信任薄弱化是當(dāng)前“AI+醫(yī)療健康服務(wù)”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(yī)療服務(wù)質(zhì)量、延伸醫(yī)療服務(wù)邊界、滿足患者個性化需求來強化醫(yī)患信任。因此，臺州恩澤醫(yī)療中心與微脈攜手，以“AI醫(yī)生助理+ AI健康顧問”（如圖2所示）的方式來加強患者對醫(yī)療大模型的信任。

“CareAI+多師共管” 模式在改善患者對醫(yī)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(tài)過程，一旦出現(xiàn)AI誤診、信息泄露等負面事件，即便概率極低，也可能嚴(yán)重破壞患者信任。隨著患者對AI了解加深，其對準(zhǔn)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(xù)滿足這些期望，維持信任關(guān)系，將是長期挑戰(zhàn)。

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(wù)規(guī)劃的“中樞大腦”角色，憑借其強大的智能調(diào)度能力，可精準(zhǔn)調(diào)配1000余種專病管理體系，構(gòu)建起“CareAI?？浦悄荏w矩陣”，從而輔助醫(yī)生開展跨科室、跨模態(tài)的復(fù)雜診斷推理工作，大幅提升醫(yī)療診斷的準(zhǔn)確性與效率。據(jù)微脈市場總監(jiān)張樂介紹，CareAI?？浦悄荏w的工作流程緊密圍繞對應(yīng)?？祁I(lǐng)域的個性化服務(wù)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(zhǔn)推理，以此大幅提升大模型生成結(jié)果的專業(yè)性和準(zhǔn)確性，有效緩解大模型幻覺問題，為醫(yī)療服務(wù)的智能化升級提供更可靠的技術(shù)支持。

此外，微脈還積極運用多種前沿技術(shù)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(zhǔn)確的知識儲備，使其在運算時有堅實的數(shù)據(jù)支撐；另一方面，優(yōu)化提示詞、精準(zhǔn)挑選適配的Prompt模板，最大程度激發(fā)模型潛能，確保輸出結(jié)果更貼合實際需求。同時，巧妙調(diào)節(jié)溫度參數(shù)，合理管控輸出結(jié)果的隨機性，引導(dǎo)大模型基于上下文學(xué)習(xí)進行回答。這種保守嚴(yán)謹(jǐn)?shù)妮敵瞿Ｊ?，有效?guī)避了大模型生成過程中因上下文沖突而產(chǎn)生的幻覺現(xiàn)象，全方位提升模型性能，為醫(yī)療智能化應(yīng)用筑牢根基。當(dāng)然，這些應(yīng)對模型幻覺的技術(shù)手段在復(fù)雜臨床場景下的普適性還需進一步驗證。實際醫(yī)療場景中，患者個體差異、數(shù)據(jù)噪聲等因素復(fù)雜多變，現(xiàn)有的提示詞定制、溫度參數(shù)調(diào)節(jié)等方法可能無法完全應(yīng)對，需要探索更具適應(yīng)性和穩(wěn)定性的解決方案，以確保CareAI在各種情況下都能穩(wěn)定、準(zhǔn)確地運行，持續(xù)為醫(yī)療服務(wù)提供可靠支持。

健康會員分層管理

為了給醫(yī)療服務(wù)過程中的各方參與者創(chuàng)造價值，實現(xiàn)醫(yī)療大模型的價值閉環(huán)，微脈CareAI依托院企深度合作，根據(jù)患者診前—中—后的醫(yī)療服務(wù)需求，結(jié)合AI客服管家、人工客服管家、個案管理師、線下健康管家/醫(yī)生助手等服務(wù)角色，搭建健康會員分層運營管理框架，實現(xiàn)患者、醫(yī)護、醫(yī)院多方共贏。

該框架分為三層服務(wù)：第一層為覆蓋全部患者的關(guān)懷式服務(wù)，主要由機器人和客服管家提供包括門診通知、復(fù)診提醒、復(fù)診預(yù)約、院內(nèi)轉(zhuǎn)診協(xié)助、健康宣教、出院指導(dǎo)、投訴建議、生日關(guān)懷等在內(nèi)的基礎(chǔ)管理服務(wù)。第二層主要針對院外術(shù)后、亞健康、慢病等人群的階段式服務(wù)，由機器人、醫(yī)護團隊和個案管理師提供醫(yī)護在線咨詢、專科檢查預(yù)約、院外健康監(jiān)測、專病管理、疾病宣教、康復(fù)指導(dǎo)、并發(fā)癥預(yù)防、用藥指導(dǎo)、復(fù)診安排等?？茖２〗】倒芾矸?wù)。第三層是面對部分高端人群的管家式服務(wù)，由運營團隊、醫(yī)護團隊和健康管家提供以患者為中心的個性化服務(wù)、緊急狀況的響應(yīng)服務(wù)、全流程多對一服務(wù)、MDT團隊咨詢服務(wù)等。

對于政府來說，健康會員分層管理模式可以優(yōu)化資源配置，讓優(yōu)質(zhì)醫(yī)療資源惠及更多人群。對于醫(yī)院來說，它能夠?qū)^(qū)域內(nèi)的患者有效管理好、服務(wù)好，留住優(yōu)質(zhì)病源，提升核心競爭力。對于醫(yī)生來說，它可以延伸服務(wù)路徑，提高管理效率，合理增加服務(wù)性收入。對于患者來說，它可以滿足多樣化、多層次醫(yī)療健康需求，提升就醫(yī)體驗?？梢哉f，通過搭建健康會員分層運營管理框架，微脈為破解“醫(yī)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(yōu)選方案頒獎典禮上，微脈憑借在數(shù)字健康領(lǐng)域創(chuàng)新實踐，一舉斬獲三項大獎并被授予“先鋒企業(yè)”稱號。

早在2023年，臺州恩澤醫(yī)療中心便與微脈攜手開展健康會員中心建設(shè)。同年6月，雙方基于KANO模型（一種將產(chǎn)品質(zhì)量特性實現(xiàn)度與產(chǎn)品需方滿意度相結(jié)合，建立“質(zhì)量特性實現(xiàn)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(diào)研工作。2024年5月，“恩澤健康會員”試運行啟動儀式在臺州醫(yī)院東院區(qū)舉行，標(biāo)志著微脈以健康會員為載體的延續(xù)性醫(yī)療服務(wù)模式正式落地。臺州恩澤醫(yī)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(xiàn)患者、醫(yī)護、醫(yī)院多方共贏。截至2024年8月，臺州恩澤醫(yī)療中心健康會員總數(shù)已達479人，累計服務(wù)患者2982例，科室覆蓋率達70%以上，兒?？茝?fù)診率由30%提升至70%，宮巢關(guān)愛管理服務(wù)轉(zhuǎn)化率高達80%，實現(xiàn)了用戶價值、社會價值和商業(yè)價值的三重提升，成為微脈實現(xiàn)醫(yī)療大模型價值閉環(huán)的有力例證。

雖然臺州恩澤醫(yī)療中心與微脈合作的健康會員分層管理模式在實現(xiàn)價值閉環(huán)方面初顯成效，但在整體價值閉環(huán)中，仍面臨一系列嚴(yán)峻挑戰(zhàn)。雖然CareAI在健康會員分層管理模式下分別為患者、醫(yī)護、醫(yī)院創(chuàng)造了價值，但在信息流通和資源分配上，仍存在優(yōu)化空間。例如，患者的健康數(shù)據(jù)在不同服務(wù)層級和角色之間傳遞時，可能出現(xiàn)延遲或不完整的情況，影響醫(yī)護人員及時準(zhǔn)確地作出決策，進而影響患者體驗，破壞價值閉環(huán)的流暢性。此外，在社會價值的持續(xù)拓展上，如何將這一模式更廣泛深入地推廣到醫(yī)療資源相對匱乏的地區(qū)，讓更多患者受益，實現(xiàn)更大范圍的醫(yī)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(xiàn)可持續(xù)的價值閉環(huán)，為醫(yī)療行業(yè)的發(fā)展帶來更深遠的影響。

結(jié)論與啟示

醫(yī)療大模型的應(yīng)用不僅可以提升醫(yī)療健康服務(wù)質(zhì)量，為醫(yī)療決策提供科學(xué)依據(jù)，還能開拓醫(yī)療服務(wù)新場景，為醫(yī)療行業(yè)創(chuàng)造新的價值增量，是推進健康中國建設(shè)的關(guān)鍵著力點。因此，微脈CareAI的實踐對我國醫(yī)療行業(yè)大模型的落地具有重要的管理啟示。

第一，堅守“信任醫(yī)療”的初心。裘加林很早就意識到，醫(yī)療服務(wù)運營的核心是“信任”。因此，從創(chuàng)立伊始，微脈始終以患者的本地化醫(yī)療服務(wù)需求為出發(fā)點，致力于建立基于首診的信任醫(yī)患鏈接。歷經(jīng)近十年的發(fā)展，微脈已打造出具有中國特色的本地化信任醫(yī)療服務(wù)平臺。在醫(yī)療大模型落地困難重重的行業(yè)背景下，微脈CareAI及健康會員分層管理模式能在臺州恩澤醫(yī)療中心順利落地，也離不開多年來在臺州區(qū)域積累的患者信任。因此，醫(yī)療大模型想要實現(xiàn)在醫(yī)療機構(gòu)的落地和擴展，必須牢牢把握“本地化”和“信任”這兩個關(guān)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(yī)療領(lǐng)域的應(yīng)用成果斐然，但我們必須承認的是，醫(yī)療大模型在本質(zhì)上仍然只是醫(yī)生的輔助工具，而不是醫(yī)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(zhì)疑。

第三，打造會員制醫(yī)療服務(wù)，破解普惠醫(yī)療難題。在商業(yè)化方面，醫(yī)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(chuàng)的健康會員分層管理模式，可以通過與醫(yī)院共同構(gòu)建多樣化、多層次的服務(wù)體系，滿足不同層次患者的健康管理需求，助力醫(yī)療服務(wù)全人群覆蓋。同時，通過會員制管理，還可以有效預(yù)測和控制醫(yī)療成本，實現(xiàn)經(jīng)濟效益與社會效益的雙重提升。

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