AI制图"> AI制图
参观者在2025年中国国际服务贸易交易会上体验AI问诊。陈晓根摄（人民视觉）
">参观者在2025年中国国际服务贸易交易会上体验AI问诊。
陈晓根摄（人民视觉）
拿到体检报告，却看不懂异常指标；身体出现轻微不适，犹豫去不去医院……近年来，蚂蚁阿福、小荷AI医生、讯飞晓医等AI健康应用相继推出，AI健康通过辅助问诊、报告解读、运动康复等功能，正为人们提供更便捷的医学解释与日常健康陪伴。
医疗大模型驱动问诊
家住北京的王先生谈及最近使用一款AI健康应用的经历。王先生说，自己连续几天喉咙痛，不确定是否要去医院，于是向AI描述了情况。系统接连询问了持续时间、是否伴随发烧、近期作息和既往病史等细节，给出了可能的原因分析，建议症状持续或加重再考虑就医。
“身体不适时，我容易疑神疑鬼，有些症状跑趟医院相当折腾，直接询问AI健康应用确实方便。”在王先生看来，这类健康AI像一个随时随地陪伴的医生朋友，缓解了他的焦虑。
和王先生一样，越来越多人开始在日常健康问题上尝试向AI求助。尽管在实际使用中仍保持一定观望，但从产品形态来看，互联网健康服务正发生明显变化。
过去，许多互联网健康类产品更接近于“医学搜索引擎”。当用户输入“头痛、发烧怎么办”等问题时，系统往往给出系列百科式解释，并附带一些通用健康建议。这类产品虽然信息丰富，但缺乏针对性，用户仍需要自己判断哪些内容真正适用于自身情况。
而在新一代AI健康应用中，问诊方式正在发生变化。系统通过引入真实的临床诊疗思路，以结构化的多轮主动追问替代简单问答，围绕病史、症状细节、用药情况等持续补充信息，并在综合评估后给出更具指向性的判断与行动建议。
这种变化离不开医疗大模型的持续提升。通过对医学指南、临床文献和真实医疗数据进行训练，大模型可以逐渐模拟医生的临床思维路径，从而实现更专业的健康咨询服务。
例如AI健康应用蚂蚁阿福，其底层医疗大模型通过中国信息通信研究院医疗健康领域评估，在专业评测榜单HealthBench、MedBench等指标中，该模型在多项能力维度上表现领先。蚂蚁健康方面表示，多名院士专家以及三甲医院学科带头人参与了产品问答思维与评估标准的设计。
业内普遍认为，医疗大模型不仅需要算法能力，更需要专业医学知识的持续输入与验证。通过引入临床指南、真实病例数据以及专家评测体系，AI健康应用才能逐步接近医疗级专业水平。
除了回答问题，AI健康应用也开始尝试承担更多实际服务功能。小荷AI医生相关负责人谈到，在模型能力趋于完善的前提下，他们正探索从线上咨询到线下服务的连接，尤其聚焦于分诊导诊、检验检查和处方购药这三类高频、刚性的行动需求，通过与当前真实医疗服务体系合作，向服务闭环迈进。
从“被动治病”到“主动预防”
AI健康与过去健康产品更深层的差异，还在于服务模式的转变。AI健康应用从一次性问诊回应，正走向贯穿健康全周期的持续管理，将服务链条延伸至“防、筛、诊、治、管”的多个环节。在诊前帮助用户判断症状与就诊必要性，在诊后承接随访、用药提醒和健康监测，使健康服务从低频的看病就医，转变为日常生活中的持续陪伴。
例如，一名长期患有高血压的用户在咨询肾功能异常问题时，如果系统能够调取其既往健康记录，就能扩大分析范围并提示相关风险，而不是仅根据单次症状给出泛化解释。
这种全周期服务能力，离不开个人健康数据的长期积累与整合。当AI系统逐步沉淀用户的既往病史、用药信息及体检记录，其对个体健康状况的判断便不再局限于一次对话，而是建立在更完整的个人健康档案之上。
讯飞医疗相关负责人表示，过去的互联网医疗是医疗服务线上化的迁移，核心是“连接”，解决老百姓看病方便的问题；而AI健康是全周期智能化服务，核心是“分析与决策”，精准、高效、持续解决每个人健康管理的问题。
在硬件生态方面，一些AI健康应用已经与智能手表、体脂秤、血压计等设备连接。蚂蚁健康方面介绍，蚂蚁阿福目前已接入10多家主流智能设备厂商，未来将进一步拓展合作伙伴，推动个人健康数据形成更完整的管理闭环。
“对大众来说，AI让更个性、更主动的健康服务和陪伴成为可能，帮助大家从‘被动治病’到‘主动预防’，养成主动健康管理的好习惯。”蚂蚁健康相关负责人说。
AI与医生协作
尽管AI技术不断进步，但医生仍然是医疗体系中不可替代的核心力量。
“诊疗是一个复杂的过程，其不仅依赖于医生的医学专业能力，也与患者的知识水平、表达能力等密切相关。诊断不只是看数据、看症状，做逻辑推理，还包括通过面对面的沟通和查体，发现患者无法用语言准确表达的身体隐患。”小荷AI医生相关负责人表示，AI更适合承担信息收集、初步分析以及健康管理等辅助工作，是用来放大医生价值、补全医疗体系服务短板的工具。
在实际诊疗中，医生与AI可以形成一种互补分工。AI可以承担大量重复性工作，例如基础问诊、报告初步解读、用药提醒和慢病随访等。这些工作往往耗费医生大量时间，但技术上可以实现自动化。另一方面，医生的临床经验与专业判断又可以反过来帮助训练和校准医疗大模型，使AI系统更加可靠。
目前，一些平台已经开始探索医生参与AI服务的新模式。例如，医生可以在平台上创建“AI分身”，将自己的专业知识转化为数字化服务，为更多用户提供咨询帮助。
专家指出，AI健康的发展仍面临多方面挑战，包括医疗数据隐私保护、模型能力验证、监管规则完善等问题。医疗场景本身高度复杂，同一症状背后可能对应多种疾病，AI系统的安全性与可靠性需要长期验证。随着技术进步和行业规范逐步完善，AI健康有望成为医疗服务体系的重要补充。
