不“卷”寻常路，这家全病程管理独角兽让 AIGC 在医疗领域彻底落地了

去年 3 月份，AI 超级明星公司 OpenAI 重磅发布了 GPT-4 大语言模型，它的出现标志着自然语言处理技术的重大突破，也意味着人工智能系统的能力更接近于人类水平。

随后没多久，在芝加哥的一个会议中心，数万名与会者观看了由 GPT-4 支持的新型 AI 技术（AIGC）在真实的医疗场景中的应用。这项具有划时代意义的 AI 技术模拟了临床医生如何使用新平台在几秒钟内将医生与患者间的互动转化为临床医学笔记。

它的工作原理如下：医生使用 AI 平台上的移动应用程序记录患者就诊情况。平台实时添加患者信息，识别空白信息并提示医生填写，有效地将患者的口述内容转化为有参考价值的结构化笔记。

问诊结束后，医生在计算机上查看 AI 生成的笔记（这些笔记可以通过语音或打字进行编辑），并将其提交到患者的电子健康记录 (EHR)。这种近乎即时的电子记录方式与传统的医生手动执笔记录和管理患者信息相比更加省时省力。

事实上，AI 技术在医学领域的应用经历了多个发展阶段。

早期，被称为“AI 四小龙”的企业主要聚焦于影像识别与标注，这一领域的应用已相对成熟并广泛普及。这是因为影像识别本质上可以替代大量初级医生或助手的工作，特别是在影像预读方面，有效减轻了高级医生的负担。

然而，除了影像识别外，医疗领域的 AI 应用还包括自动生成电子病历、辅助临床决策支持系统（CDSS）等功能，但这些应用尚未得到广泛应用，仍处于试点阶段。这主要归因于 AI 在解决语音、语义和语言理解方面面临的挑战。与影像识别不同，语言处理的复杂性和多样性使得 AI 在这一领域的进展相对缓慢。

综合上述技术演进历程，微脉创始人兼 CEO 裘加林将 AI 在医疗领域的落地应用划分为三个阶段：可行、可用和都用。每个细分领域的 AI 落地进程又不尽相同。

目前，医疗影像识别已经实现了普及应用，但在语言处理方面，AI 仍处于“可用”但尚未达到“普及”的阶段。随着 GPT 等大模型的出现，AI 在生成文本、理解语义方面取得了显著进步，为医疗领域的电子病历生成、问诊辅助及基于个人 EMR（电子病历记录）、EHR（电子健康记录）的健康管理提供了可行的路径。

不“卷”寻常路，让微脉押对了宝

在 AI 技术迅猛发展之际，医疗领域也涌现出一批依托“互联网+AI”模式成长起来的公司，微脉就是这样一家借 AI 之力迅速腾飞起来的数字健康公司。

自 2015 年 9 月 9 日成立以来，微脉致力于为全人群提供全方位、全周期的医疗健康服务，满足老百姓多层次、多样化、个性化的服务需求。如今的微脉已成为中国最大的全病程管理服务平台，先后获得元璟、源码、经纬、千骥、IDG、百度等一线基金数亿美元投资。作为一家深耕于打造具有中国特色管理式医疗组织（C-MCO）的独角兽企业，目前服务已覆盖全国 30 个省份，合作医院超 2500 家，累计服务超 10 亿人次，近 20 万名医生在微脉上提供 20000 余种医疗健康服务 SKU。

自 2017 年以来，互联网医疗领域经历了显著的变化，多种商业模式逐渐收敛为两大主要方向：一是线上售药，二是线上问诊。而微脉却创新性地提出了全病程管理的概念，并专注于联合公立医院开展“以患者为中心”的诊后、术后、检后及院后医疗健康管理。

微脉 CEO 裘加林在接受 InfoQ 采访时透露，之所以选择全病程管理这一赛道，是因为他们观察到彼时这一领域还是一片荒芜。而在患者健康管理、周期性诊疗方面拥有多年经验积累的微脉正好可以弥补这一市场空白。

在众多企业依托先进的技术扎进拥挤的线上售药、线上诊疗、线上挂号等领域时，微脉走了一条差异化发展之路。

全病程管理，在前期执行起来并不难，因为患者在疾病治疗期间已经与医生建立了信任关系，为后续的健康管理奠定了基础，但对患者进行病后健康管理并不是件容易事。

据裘加林介绍，“病后健康管理”的难点并不在于缺乏管理知识或方法，而是缺乏有效的供给和履约能力。传统的健康管理方式需要专业的医生和护士参与，但医疗资源的有限性限制了其大规模应用。AI 技术的引入，为解决这一问题提供了可能。AI 能够基于现有医学知识，为患者提供个性化的健康管理方案，但关键在于如何将这些方案有效落地执行。

AIGC 在微脉的落地应用

裘加林首先从服务类型的角度将这些方案进行了分类，即搜索品、体验品和信任品。搜索品是标准化的产品，用户主要基于价格选择；体验品则需要用户实际体验后才能判断好坏；而医疗服务则属于信任品，用户无法仅凭体验或价格来评判，更多的是基于信任选择。

在信任品属性主导的医疗市场中，即使 AI 技术已达到可行和可用的阶段，要实现广泛应用仍需较长时间，因为信任的建立需要时间。因此，裘加林认为 AI 在医疗领域的应用不应仅局限于优化或替代现有存量服务，而应更多地聚焦于创造新的增量服务，通过创新来满足未被满足的需求。

微脉在尝试用 AI 进行全面健康管理时，正是遵循了这一思路。他们并不寻求替代医生或护士的工作，而是希望通过 AI 辅助医护人员为患者提供出院后的延续性健康管理服。例如，许多患者在出院后仍有康复需求，但现有的医疗服务往往只关注到出院这一环节，而忽略了后续的康复过程。AI 可以作为患者的健康代理人，提供个性化的康复指导和健康管理服务，从而延伸和保障医疗服务的质量。

这种增量服务的模式不仅不会与现有医疗服务产生冲突，反而能够提升医疗服务的整体效能和患者满意度。同时，由于医疗服务的供给相对有限，AI 的介入可以有效扩大医疗服务的覆盖范围，满足更多患者的需求。

在效率和效果方面，虽然具体数据因应用场景而异，但总体而言，AI 在医疗领域的应用能够显著提高服务效率，减少人为错误，并为患者提供更加个性化和精准的健康管理方案。

更具体来讲，目前微脉将 AI 技术，尤其是生成式 AI 技术应用于五个业务场景中：分别是 To C 的智能助手 CareAI、To B 的应答辅助、面向专业健管师的全病程管理方案辅助设计、用户标签健康档案维护以及临床数据研究的智能分析。具体场景案例有以下几方面：

第一个方面，CareAI 整合超大规模医学及个案管理数据库，在真实的医疗服务场景中，微脉通过与公立医院合作，共建患者健康档案，在其公众号和患者管理工具中，加入智能健康助手——CareAI，充分发挥其健康管理价值，根据对患者的有效交互内容分析，提供文字、图片、视频等多形态的健康建议。

第二个应用场景是嵌套在了企业办公工具侧边栏，作为问答辅助工具。经过系统化的训练，CareAI 能够辅助健康管家、个案管理师对患者常问问题进行答疑，或对当下患者管理服务路径进行任务提示，提升管理服务效率的同时，提高患者体验，降低企业培训成本。

第三个应用场景是在指定新病种新治疗方式的管理方案时，结合微脉精心设计的提示词模板，可以输出管理方案初稿，并且可以不断细化迭代方案，减轻个案管理师的工作量。

基于这些 AI 应用，微脉在内部效率和患者管理效率上实现了显著提升。裘加林透露：“以前一个个案管理师同时期可管理 50-70 人，现在这一数字跃升至约 500 名患者。”

第四个应用场景对于微脉现在所管理的用户提问、提交的图片等信息进行自动数据分析，动态更新健康档案，智能推送医院专科咨询链接或管理服务，实现千人千面的个性化健康管理与精准营销。

最后，微脉 AI 支持医院或科室的横向课题合作，对沉淀的临床数据进行智能分析和多因素判定，为科研工作提供了强有力的数据支持。

裘加林坦言：“在传统诊疗框架内，患者一旦离开医院，医院便难以维系持续的服务链，受限于时间与空间的限制。而今，CareAI 的引入正逐渐扭转这一现状，它无缝连接了医院与患者，跨越了时空界限，构建了一条基于‘信任’的长久纽带。不仅确保了患者能够享受到持续的咨询与个性化精准服务，还实现了其健康档案的实时动态管理。这一变革让医院不仅能够‘认识’患者，更拥有了对患者的‘长期记忆’，在面对紧急情况时，能够迅速响应，提供高效的紧急援助。”

据悉，微脉的 CareAI 平台已成功携手多家国内顶尖公立医院，共同构建了一套高效协同的医疗服务体系。这一体系旨在为患者打造从预防、咨询、预约到康复的全链条智能化健康管理体验，让患者就医有规划、离院有指导、问诊更精准、入院更流畅。“我们致力于摒弃传统的‘找熟人’模式，迈向一个智能化、高效化、个性化的健康管理新时代。”裘加林满怀信心地展望道。

AIGC 虽然强大，但仍无法取代医生

微脉的 AIGC 部署实践充分证明了生成式 AI 在特定场景中的应用不仅是可行的，而且是可用的。但裘加林坦言，AI 技术虽然很强大，但其在诊断等核心医疗环节上，虽然可行，但尚未达到完全替代医生的阶段。

因为就生成式 AI 技术目前的发展来看，它是有能力边界的。这种边界主要取决于其大模型学习和微调的能力。随着 AI 技术的不断发展，许多大公司已经具备了强大的 AI 能力。在此基础上，外界更多的是关注如何控制输出的质量，解决 AI 可能产生的“幻觉”问题，让大模型的输出结果能够达到人们的预期。

为了实现这一目标，微脉采用了多种技术手段，如将大模型与 ReRank 技术相结合、大模型的嵌套等。通过这些方法，可以针对具体患者的详细情况，如指征、数据、病症和病史等，进行精准的输出控制。当输入足够详细和准确的样本时，AI 的输出结果可以是非常精准的，这也就避免了泛化或“幻化”的问题。

在微脉的管理方案中，生成式 AI 并不是孤立地存在的，而是与个案管理师和医生等人工审核环节相结合，形成了一个金字塔模型。在这个模型中，AI 主要承担预处理和初步分析的工作，而医疗助理和医生则对 AI 的输出进行复核和确认。这样的设置不仅提高了工作效率，还保证了结果的准确性和可靠性。

借助 AI 快速处理大量数据和信息的能力，为个案管理师和医生提供初步的筛选和分类。医疗助理则根据 AI 的输出结果进行进一步的审核和整理，确保信息的准确性和完整性。最后，医生会对所有信息进行综合评估，并给出最终的诊断和治疗建议。在这个过程中，每一层级的工作量都在逐步缩减，但整体的工作效率和质量都得到了显著提升。

但不可否认的是，看似无所不能的生成式 AI 技术，却也有其鞭长莫及时候。

裘加林称：“AI 从可行到可用，从可用到都用，前者是质变，后者是量变，质变是技术，量变是观念，技术迭代不难，观念转变需要时间。因此在推广 AI 在医疗健康服务场景的应用过程中仍面临多方面的挑战”。从 GPT 开始，AI 带给了产业革命性的创新机遇，如诺奖得主 Edmund Phelps 所言，创新的成功需要四大要素：创新的能力，创新的动力，相应的法律法规支持和对失败的容忍；对于 AI 在医疗健康领域的应用尤其如此，在创新的能力上，技术人才的短缺是一个不可忽视的问题，AI 技术的研发和应用需要高水平的技术团队支持，而这类人才在市场上的竞争非常激烈；创新的动力上，医疗机构和医务人员相对比较保守，对新技术的接受需要时间，特别是对失败的容忍上，医疗健康行业要求精准和严肃，容不得初创产品的边实践边迭代模式，这也对 AI 产品从可用到都用带来很大挑战。

与单纯通过 AIGC 研发实现技术变现的企业不同，微脉通过将 CareAI 直接嵌入到成熟的专科专病全病程管理路径中，来辅助公立医院为患者提供连续性健康管理服务。这一模式对于区域性医疗机构来说，能够有效地将区域内的患者管理好、服务好，最终实现留住优质病源，提升核心竞争力。而微脉也因 CareAI 的应用实现降本增效，建立起独属于自己的“护城河”。

裘加林的见解深刻地揭示了 AI 技术在医疗健康服务中的变革力量，以及其如何重塑医疗行业的新生态。微脉作为这一领域的探索者和先行者，正不断推进 AI 技术的边界，为患者带来更高质量、更人性化的医疗服务。

（图源：微脉云谷中心）