蚂蚁CEO韩歆毅最新演讲“聊AI与医疗未来”:阿福已服务超1.5亿用户,实现医患双端深度融合

新浪科技
50分钟前

  新浪科技讯 11月22日晚间消息,近日,2026蚂蚁阿福医疗健康生态大会在广州举行。在“AI赋能下的未来医院”论坛上,蚂蚁集团首席执行官韩歆毅围绕AI与医疗健康领域的结合,提出四个方面的思考:让专业照护走出诊室、给患者连续的健康支持;让AI成为医生临床判断的得力助手;让日常诊疗沉淀为医学新识;让AI帮助医学经验薪火相传。

  在他看来,医疗技术的每一份进步,都在回应三个期待:患者希望照护不间断、有温度;医生希望有一个可靠、顺手的帮手;医院则希望在资源有限的情况下,接住日益增长的健康需求。“蚂蚁阿福的初心,始终与这个方向同频:从临床真实需求出发,一步步打磨工具,希望阿福能够助力医生更好地行医,助力青年医生更好地成长,助力医院更好地组织医疗服务,”韩歆毅表示。

  目前,蚂蚁阿福医生端已上线“医学”和“AI分身”两大AI助手,支持医生借助AI一站式完成患者管理、科研检索,并打通了用户数超1.5亿的蚂蚁阿福APP,实现医患双端的深度融合。

  以下为韩歆毅演讲全文:

  大家好!很高兴今天和大家相聚在这里,聊聊AI和医疗的未来。

  这几年,人工智能已走进临床的很多环节——从门诊到病房,从随访到科研。我们需要思考一个根本命题:当AI走进医院、走进患者的日常生活,它到底该怎样服务医学、服务医生、服务患者?

  医疗技术的每一份进步,说到底都在回应三个朴素的期待:患者希望照护不间断、有温度;医生希望有一个可靠、顺手的帮手;医院则希望在资源有限的情况下,接住日益增长的健康需求。蚂蚁阿福的初心,始终与这个方向同频:从临床真实需求出发,一步步打磨工具,希望阿福能够助力医生更好地行医,助力青年医生更好地成长,助力医院更好地组织医疗服务。

  围绕这个初心,我想和大家分享四个方面的思考。

  第一,如何让专业照护走出诊室,给患者连续的健康支持

  一次门诊、一台手术结束,并不是诊疗的终点。患者有没有按时吃药、术后恢复得怎么样、出现异常要不要回医院——这些院外情况,直接决定院内的方案能不能见效。

  AI可以成为连接医患、延续照护的可靠纽带。四川省人民医院肛肠科黄医生,一年约600台手术,过去术后随访靠一张告知单、几句叮嘱,患者回家后医生很难跟进。现在借助阿福,提前设置术后关键节点,由系统主动询问康复情况,阿福已经帮助黄医生完成数百例持续随访。上海第一妇婴保健院车医生也依托阿福主动随访,及时捕捉患者自行停药、术后异常出血等风险,第一时间帮助医生评估指导,必要时引导回线下就诊。

  让专业照护延伸到院外,核心是三件事:第一,打通信息,让院外康复数据安全、合规地回到医生手里。第二,重塑流程,把随访变成诊疗链条中的预设节点,形成可主动发起、分级响应的标准动作。第三,主动捕捉风险,患者一旦出现异常信号,第一时间推送给医生及时介入。

  当然,这些探索才刚刚开始,阿福只是一个支点,真正的杠杆是医院内部的流程再造和多方协同。我们期待和各家医院一起打通信息链路、理顺流程,让连续照护成为医院能稳定提供的服务能力。

  第二,让AI真正成为医生临床判断的得力助手,和医生一起应对医疗的复杂性

  疾病是动态变化的:症状怎么演变、治疗有什么反应、用药和生活习惯如何相互影响,都会影响最终结果。AI在临床上的价值,不应该是替医生做决定,而是让医生的每个决定,都建立在更完整的信息和更扎实的证据上。

  我们期待AI成为临床判断的得力助手。第一,帮医生把病程信息串起来,让医生看到“全病程”,而非“单个切片”。第二,给医生一个可信赖的循证知识底座。通过打通UpToDate等权威临床资源和医学数据库,AI像一个随身、可检索、可溯源的知识库,快速给出有依据的参考,标注证据来源、说明自身局限,让每次辅助都严谨可靠。

  但无论模型如何迭代,AI始终只是辅助工具,临床决策必须交给专业医师。模型能力越强,人的专业价值越凸显,医生要成为可信信息的核验者、复杂取舍的解释者、共同决策的推动者。同时,AI给出的建议要经得起追问,让医生看得懂、查得到、改得了。

  人机协同还有另一面:不只是AI辅助医生,医生的临床经验也在塑造AI,让AI变得更专业可靠。上海仁济医院泌尿外科迟医生团队,深度参与阿福的专科共创,拆解病例、校准知识库,把鉴别诊断、权衡取舍等临床思维沉淀给模型。我们期待更多这样的临床共创持续发生,让技术能力和临床经验相互滋养:让阿福理解医学的不确定性、个体差异和安全边界;也让医生在工具加持下,面对复杂病例时多一份可靠支撑。

  第三,让日常诊疗沉淀为医学新识,用真实世界的经验惠及更多患者

  医学进步,靠的是无数临床的观察、总结和追问。哪类方案更适合哪些人群、疗效周期多长、复发的高危因素是什么——很多有价值的科研问题,就藏在日复一日的诊疗和随访里。

  我们期待:每一次诊疗,都不只治愈一位患者,也沉淀为认识疾病的基石。第一,AI可以把门诊记录、随访对话中的非结构化信息,自动转化为结构化研究素材,帮医生捕捉容易被忽略的微小变量,从多维数据中发现临床新规律。第二,推动真实世界研究在日常照护中自然完成。过去真实世界研究最难的是“找到人、跟住人”,成本高,受试者也容易脱落。而当随访成为日常照护的一部分,连续的病程数据会自然沉淀为高质量研究队列。AI可以自动筛选匹配研究对象,把分散的诊疗记录、用药变化、康复进展连成完整数据集,提示值得深挖的规律。

  宁波大学附属妇女儿童医院的章医生,借助阿福针对不同病种、术后康复场景搭建了十余套随访方案,短短两个月就覆盖了多名患者,并已开始规划依托长期随访数据,开展术后复发相关的真实世界研究。当一位患者的诊疗经历,能够安全、合规地为更多患者带来价值,持续照护就超越了单次诊疗的意义。

  围绕这个方向,我们已启动相关探索,希望通过阿福,为医生打造一站式科研赋能工具:覆盖随访方案设计、数据自动归集、队列筛选匹配到趋势分析等环节,帮助医生随时捕捉真实世界中的临床变化,提升科研产出效率。

  第四,让AI帮助医学经验薪火相传,助力青年医生扎实成长

  医学知识的沉淀和传承,最终落脚点永远是人。一名合格临床医生的成长,离不开理论学习、临床实战,更离不开资深医师的言传身教。面对复杂病例的鉴别力,来自一次次的追问、鉴别、权衡与复盘。我们希望把资深医师的经验,转化为可反复练习的训练场景,让AI成为医学传承的载体。

  第一,把资深医师的经验变成可交互、可反复练习的场景。由带教老师确定教学目标,选取脱敏教学病例,AI分步指导:先给出主诉和基础检查,引导青年医生提出鉴别思路;再追问需要补充哪些病史、哪些高危风险不能遗漏;叠加病情变化,重新评估方案、说明调整逻辑等等。基于多年验证有效的培训方案,我们期待AI能够提出好问题,引导青年医生建立严谨的临床思维,而不是从AI找一个答案。传统“师带徒”里,一位名医的精力只能带几个学生;而当经验变成标准化的训练场景,一位名医的思路,可以触达成百上千位青年医生——这是技术给医学传承带来的规模化价值。

  第二,让每次练习都形成有反馈、可衡量的成长闭环。推演结束后,AI梳理完整的推理脉络,指出思路中的跳跃和遗漏;青年医生的薄弱点被清晰识别,训练内容和难度随之动态调整。过去“练得怎么样”主要靠带教老师的观察;现在,每次推演都有即时、具体的反馈,成长路径变得清晰可追踪,并且训练强度可以进一步加大。

  但是,我们非常笃定模拟训练永远不能替代真实病房的历练,教学内容和反馈标准必须经过临床专家审核。

  今天的“好大夫”都是从20年、30年前的青年医生成长起来的,今天的青年医生,就是十年后“好大夫”的中坚力量。我们希望陪伴他们走稳求学、规培、执业的每一步,帮助他们掌握和AI协作的方式,在用好AI工具的同时保持独立思辨能力,让AI成为青年医生成长的加速器、专业能力的放大器。

  随着经济社会发展,老百姓的健康需求还会持续增长,短期内优质医疗的供给,还赶不上需求的变化。阿福所有的探索,都指向同一个愿景:照顾好今天的患者,支撑好今天的医生,也帮助今天的年轻医生更快成长为明天的名医。

  阿福医生端已上线“医学”和“AI分身”两大AI助手,支持医生借助AI一站式完成患者管理、科研检索,并打通了用户数超1.5亿的蚂蚁阿福APP,实现医患双端的深度融合。客观地说,目前阿福还有很多不足,需要在真实临床场景中反复检验、持续迭代。在此,我诚挚邀请各位医生,和我们一起参与阿福的设计和效果验证,多提宝贵建议,共同打磨这套工具、完善服务体系。

  我们期待和各位同行:让医生行医更从容,青年医生成长更扎实,医院组织服务更高效,让每一次技术创新,都转化为患者可感知、医生可信赖、医院可持续的真实价值。

  谢谢大家!

免责声明:投资有风险,本文并非投资建议,以上内容不应被视为任何金融产品的购买或出售要约、建议或邀请,作者或其他用户的任何相关讨论、评论或帖子也不应被视为此类内容。本文仅供一般参考,不考虑您的个人投资目标、财务状况或需求。TTM对信息的准确性和完整性不承担任何责任或保证,投资者应自行研究并在投资前寻求专业建议。

热议股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10