新浪科技訊 11月22日晚間消息,近日,2026螞蟻阿福醫療健康生態大會在廣州舉行。在「AI賦能下的未來醫院」論壇上,螞蟻集團首席執行官韓歆毅圍繞AI與醫療健康領域的結合,提出四個方面的思考:讓專業照護走出診室、給患者連續的健康支持;讓AI成為醫生臨床判斷的得力助手;讓日常診療沉澱為醫學新識;讓AI幫助醫學經驗薪火相傳。
在他看來,醫療技術的每一份進步,都在回應三個期待:患者希望照護不間斷、有溫度;醫生希望有一個可靠、順手的幫手;醫院則希望在資源有限的情況下,接住日益增長的健康需求。「螞蟻阿福的初心,始終與這個方向同頻:從臨床真實需求出發,一步步打磨工具,希望阿福能夠助力醫生更好地行醫,助力青年醫生更好地成長,助力醫院更好地組織醫療服務,」韓歆毅表示。
目前,螞蟻阿福醫生端已上線「醫學」和「AI分身」兩大AI助手,支持醫生藉助AI一站式完成患者管理、科研檢索,並打通了用戶數超1.5億的螞蟻阿福APP,實現醫患雙端的深度融合。
以下為韓歆毅演講全文:
大家好!很高興今天和大家相聚在這裏,聊聊AI和醫療的未來。
這幾年,人工智能已走進臨床的很多環節——從門診到病房,從隨訪到科研。我們需要思考一個根本命題:當AI走進醫院、走進患者的日常生活,它到底該怎樣服務醫學、服務醫生、服務患者?
醫療技術的每一份進步,說到底都在回應三個樸素的期待:患者希望照護不間斷、有溫度;醫生希望有一個可靠、順手的幫手;醫院則希望在資源有限的情況下,接住日益增長的健康需求。螞蟻阿福的初心,始終與這個方向同頻:從臨床真實需求出發,一步步打磨工具,希望阿福能夠助力醫生更好地行醫,助力青年醫生更好地成長,助力醫院更好地組織醫療服務。
圍繞這個初心,我想和大家分享四個方面的思考。
第一,如何讓專業照護走出診室,給患者連續的健康支持
一次門診、一台手術結束,並不是診療的終點。患者有沒有按時喫藥、術後恢復得怎麼樣、出現異常要不要回醫院——這些院外情況,直接決定院內的方案能不能見效。
AI可以成為連接醫患、延續照護的可靠紐帶。四川省人民醫院肛腸科黃醫生,一年約600台手術,過去術後隨訪靠一張告知單、幾句叮囑,患者回家後醫生很難跟進。現在藉助阿福,提前設定術後關鍵節點,由系統主動詢問康復情況,阿福已經幫助黃醫生完成數百例持續隨訪。上海第一婦嬰保健院車醫生也依託阿福主動隨訪,及時捕捉患者自行停藥、術後異常出血等風險,第一時間幫助醫生評估指導,必要時引導回線下就診。
讓專業照護延伸到院外,核心是三件事:第一,打通信息,讓院外康復數據安全、合規地回到醫生手裏。第二,重塑流程,把隨訪變成診療鏈條中的預設節點,形成可主動發起、分級響應的標準動作。第三,主動捕捉風險,患者一旦出現異常信號,第一時間推送給醫生及時介入。
當然,這些探索才啱啱開始,阿福只是一個支點,真正的槓桿是醫院內部的流程再造和多方協同。我們期待和各家醫院一起打通信息鏈路、理順流程,讓連續照護成為醫院能穩定提供的服務能力。
第二,讓AI真正成為醫生臨床判斷的得力助手,和醫生一起應對醫療的複雜性
疾病是動態變化的:症狀怎麼演變、治療有什麼反應、用藥和生活習慣如何相互影響,都會影響最終結果。AI在臨床上的價值,不應該是替醫生做決定,而是讓醫生的每個決定,都建立在更完整的信息和更紮實的證據上。
我們期待AI成為臨床判斷的得力助手。第一,幫醫生把病程信息串起來,讓醫生看到「全病程」,而非「單個切片」。第二,給醫生一個可信賴的循證知識底座。通過打通UpToDate等權威臨床資源和醫學數據庫,AI像一個隨身、可檢索、可溯源的知識庫,快速給出有依據的參考,標註證據來源、說明自身侷限,讓每次輔助都嚴謹可靠。
但無論模型如何迭代,AI始終只是輔助工具,臨床決策必須交給專業醫師。模型能力越強,人的專業價值越凸顯,醫生要成為可信信息的核驗者、複雜取捨的解釋者、共同決策的推動者。同時,AI給出的建議要經得起追問,讓醫生看得懂、查得到、改得了。
人機協同還有另一面:不只是AI輔助醫生,醫生的臨床經驗也在塑造AI,讓AI變得更專業可靠。上海仁濟醫院泌尿外科遲醫生團隊,深度參與阿福的專科共創,拆解病例、校準知識庫,把鑑別診斷、權衡取捨等臨床思維沉澱給模型。我們期待更多這樣的臨床共創持續發生,讓技術能力和臨床經驗相互滋養:讓阿福理解醫學的不確定性、個體差異和安全邊界;也讓醫生在工具加持下,面對複雜病例時多一份可靠支撐。
第三,讓日常診療沉澱為醫學新識,用真實世界的經驗惠及更多患者
醫學進步,靠的是無數臨床的觀察、總結和追問。哪類方案更適合哪些人群、療效周期多長、復發的高危因素是什麼——很多有價值的科研問題,就藏在日復一日的診療和隨訪裏。
我們期待:每一次診療,都不只治癒一位患者,也沉澱為認識疾病的基石。第一,AI可以把門診記錄、隨訪對話中的非結構化信息,自動轉化為結構化研究素材,幫醫生捕捉容易被忽略的微小變量,從多維數據中發現臨床新規律。第二,推動真實世界研究在日常照護中自然完成。過去真實世界研究最難的是「找到人、跟住人」,成本高,受試者也容易脫落。而當隨訪成為日常照護的一部分,連續的病程數據會自然沉澱為高質量研究隊列。AI可以自動篩選匹配研究對象,把分散的診療記錄、用藥變化、康復進展連成完整數據集,提示值得深挖的規律。
寧波大學附屬婦女兒童醫院的章醫生,藉助阿福針對不同病種、術後康復場景搭建了十餘套隨訪方案,短短兩個月就覆蓋了多名患者,並已開始規劃依託長期隨訪數據,開展術後復發相關的真實世界研究。當一位患者的診療經歷,能夠安全、合規地為更多患者帶來價值,持續照護就超越了單次診療的意義。
圍繞這個方向,我們已啓動相關探索,希望通過阿福,為醫生打造一站式科研賦能工具:覆蓋隨訪方案設計、數據自動歸集、隊列篩選匹配到趨勢分析等環節,幫助醫生隨時捕捉真實世界中的臨床變化,提升科研產出效率。
第四,讓AI幫助醫學經驗薪火相傳,助力青年醫生紮實成長
醫學知識的沉澱和傳承,最終落腳點永遠是人。一名合格臨床醫生的成長,離不開理論學習、臨床實戰,更離不開資深醫師的言傳身教。面對複雜病例的鑑別力,來自一次次的追問、鑑別、權衡與覆盤。我們希望把資深醫師的經驗,轉化為可反覆練習的訓練場景,讓AI成為醫學傳承的載體。
第一,把資深醫師的經驗變成可交互、可反覆練習的場景。由帶教老師確定教學目標,選取脫敏教學病例,AI分步指導:先給出主訴和基礎檢查,引導青年醫生提出鑑別思路;再追問需要補充哪些病史、哪些高危風險不能遺漏;疊加病情變化,重新評估方案、說明調整邏輯等等。基於多年驗證有效的培訓方案,我們期待AI能夠提出好問題,引導青年醫生建立嚴謹的臨床思維,而不是從AI找一個答案。傳統「師帶徒」裏,一位名醫的精力只能帶幾個學生;而當經驗變成標準化的訓練場景,一位名醫的思路,可以觸達成百上千位青年醫生——這是技術給醫學傳承帶來的規模化價值。
第二,讓每次練習都形成有反饋、可衡量的成長閉環。推演結束後,AI梳理完整的推理脈絡,指出思路中的跳躍和遺漏;青年醫生的薄弱點被清晰識別,訓練內容和難度隨之動態調整。過去「練得怎麼樣」主要靠帶教老師的觀察;現在,每次推演都有即時、具體的反饋,成長路徑變得清晰可追蹤,並且訓練強度可以進一步加大。
但是,我們非常篤定模擬訓練永遠不能替代真實病房的歷練,教學內容和反饋標準必須經過臨床專家審核。
今天的「好大夫」都是從20年、30年前的青年醫生成長起來的,今天的青年醫生,就是十年後「好大夫」的中堅力量。我們希望陪伴他們走穩求學、規培、執業的每一步,幫助他們掌握和AI協作的方式,在用好AI工具的同時保持獨立思辨能力,讓AI成為青年醫生成長的加速器、專業能力的放大器。
隨着經濟社會發展,老百姓的健康需求還會持續增長,短期內優質醫療的供給,還趕不上需求的變化。阿福所有的探索,都指向同一個願景:照顧好今天的患者,支撐好今天的醫生,也幫助今天的年輕醫生更快成長為明天的名醫。
阿福醫生端已上線「醫學」和「AI分身」兩大AI助手,支持醫生藉助AI一站式完成患者管理、科研檢索,並打通了用戶數超1.5億的螞蟻阿福APP,實現醫患雙端的深度融合。客觀地說,目前阿福還有很多不足,需要在真實臨床場景中反覆檢驗、持續迭代。在此,我誠摯邀請各位醫生,和我們一起參與阿福的設計和效果驗證,多提寶貴建議,共同打磨這套工具、完善服務體系。
我們期待和各位同行:讓醫生行醫更從容,青年醫生成長更紮實,醫院組織服務更高效,讓每一次技術創新,都轉化為患者可感知、醫生可信賴、醫院可持續的真實價值。
謝謝大家!