AI赋能医学，将来带动的可能是另外一个高地。
来源|《中国医院院长》杂志
双医模式下“一大四小”
北京儿童医院的AI儿科医生，涵盖“一大四小”结构。北京儿童医院院长助理徐新介绍说，“一大”是指“福棠·百川”儿科大模型，是基于深度学习、自然语言处理及多模态数据处理技术构建的医疗人工智能系统，旨在实现儿科诊疗全流程的智能化决策支持。核心架构整合超过300位权威儿科专家临床经验，通过结构化临床推理范式训练，构建起覆盖儿童常见病与疑难病症的立体化知识体系。
“四小”指四类应用场景，AI儿科医生家庭版服务家庭，解决居家儿童健康管理和科普问题，实现有病不耽误，没病更健康；AI儿科医生基层版服务基层，解决基层儿科医生不足、能力有限问题，把普通医生变成儿科专科医生，缓解儿科医生“数量痛点”；AI儿科医生专家版服务儿科专家，解决跨学科多病种和罕见病诊断问题，把专家变成“精准医学家+科学家”，缓解儿科医生“质量痛点”，并针对疑难病例，及时启动多学科会诊；AI儿科医生综合版则不断丰富完善大语言模型在患者就诊全流程中的深度应用场景，包括预问诊、病历质控等场景，及时优化就医流程等。
技术创新：循证增强
AI儿科医生大模型特有的临床推理机制包含三步认知闭环：首先基于“一诉五史”生成诊疗假设，继而通过检验检查数据进行假设证伪与排除，最终经由自反思机制对剩余假设进行概率排序，输出符合临床思维路径的诊疗建议。
徐新表示，与通用模型相比，AI儿科大模型在生成诊断假设时更加注重证据支持。例如，在处理复杂病例时，通用模型可能会因缺乏专业医疗知识而产生错误的诊断假设，而AI儿科大模型能够通过调取大量临床指南和文献数据，对假设进行严格筛选，降低错误诊断的概率。大模型能快速整合海量医学证据（如全球文献、指南、患者数据），辅助医生高效筛选高质量证据，优化诊疗决策。但受限于大模型技术限制，仍然存在幻觉，通过循证框架验证模型输出的科学性，减少“黑箱”风险，提升可信度；同时支持个性化分析，结合患者特征匹配最佳方案，动态跟踪最新研究，推动精准医疗与诊疗标准化，降低误诊和过度医疗风险。
据了解，模型的医学知识库覆盖4万+指南、3800万+科研文献，涵盖了国内外权威的临床指南和科研文献，能够帮助模型更好地理解疾病的发病机制、诊断标准和治疗方法，使其在面对各种儿科疾病时都能做出准确的判断。
2024年10月，针对公开医疗评测集，包括美国执行医师考试，中国执业医师考试，AI儿科医生模型准确率超越open AI(88%vs81%)。2024年11月，AI儿科医生追平互联网线上三甲医院主治医生(72%)水平，但低于北京儿童医院医生(89%)。2025年1月，AI儿科医生追平北京儿童医院主治水平。
2025年2月，AI儿科医生专家版在倪鑫的MDT门诊正式上岗，截至目前，经过10余场会诊、大查房，近百个病例验证，专家版与北京儿童医院专家的符合率达到95%，表明专家版模型在诊断疑难病症方面具有较高的准确性和可靠性。例如，在对8岁颅底肿瘤患儿的诊断中，模型的诊断建议与北京儿童医院专家的诊断结果完全一致，体现了模型的专业水平。
直击儿科医疗痛点
我国儿科医疗资源存在资源匮乏和分布不均的痛点。据2022年《中国儿童发展纲要（2021—2030年）》统计监测报告，至2022年末，我国儿科医师人数仅有22.6万人（全国儿童2.98亿人）；2022年我国卫生健康事业发展统计公报显示，2022年末卫生技术人员中，执业（助理）医师443.5万人，儿科医生占比5.09%，每千名儿童与儿科医生比例为0.92。
“目前，我国儿科医疗资源仍在一定程度上存在数量不足、区域分布不均衡等问题。比如2023年北京儿童医院最高的一天门诊量是近14000个孩子，儿科大夫从早晨7点看到次日凌晨2点……如何让有需要的孩子都能就近享受到优质医疗服务，缓解儿科人才缺乏的困难，人工智能作为新一轮科技革命和产业变革的重要驱动力，为解决这些问题提供了新的可能。”倪鑫说。
AI儿科医生基层版诊疗模块涵盖问诊、检查、诊断、治疗全流程，为基层医生提供标准化的诊疗流程指导。“以往在基层一些疾病容易会出现漏诊的情况，如病毒性脑炎病例，早期症状与感冒非常相似，基层易漏诊，且病情发展快，延误治疗危害大。”徐新说，如在问诊环节，模型会提示医生询问关键症状和病史信息，能帮医生更全面收集到患者信息，并辅助医生决策。此外，在检查环节，模型会根据症状推荐必要的检查项目；在诊断环节，结合检查结果给出初步诊断；在治疗环节，提供合理的治疗方案和用药建议，帮助基层医生提升诊疗水平。
2025年6月11日，AI儿科医生引入紧密型儿科医联体成员单位——北京北儿窦店儿童医院，真人医生+AI医生的“双医模式”为患儿带来更精准的诊疗服务。据悉，北京儿童医院后续将在12家北京市儿科医联体成员单位启动推广AI儿科医生。
在大型三甲医院，多学科会诊是解决疑难病症的重要手段，AI儿科医生专家版模型能够整合不同学科的专家知识，为会诊提供全面的诊断支持。例如，在处理一个涉及神经、内分泌等多系统的复杂病例时，模型可以同时调用神经内科、内分泌科等多学科的专家经验，协助医生快速制定诊疗方案。还可以对住院病例进行深入分析，模型能够实时跟踪患者的病情变化，结合治疗过程中的各项数据，为医生提供病情评估和治疗调整建议。比如，对于一个住院治疗的重症肺炎患儿，模型可以根据其每日的体温、血氧饱和度、治疗反应等数据，及时发现病情变化趋势，提醒医生调整治疗方案。
而AI儿科医生综合版仍在优化和探索中，徐新希望，一方面，对于医院来说，模型是时刻在线的“质控机器人”，可以进行全生命周期全链条质控评价，并进行数据采集；另一方面，针对患者在就医过程中涉及的各个环节，采集到的患者就医流程中的相关信息与医生端进行交互，模型通过自然语言处理，直接映射到结构化的电子病历，由此释放出更多的时间给医生与患方进行全面沟通。
据悉，AI儿科医生家庭版也已在北京儿童医院线上小程序试运行，为家长提供居家的基础的医疗咨询和预分诊服务，缓解家长的焦虑情绪，试运行以来，使用用户超10万。
实践探索与前瞻思考
AI大模型时代，数据隐私与安全是最受关注的焦点问题之一。徐新表示，AI儿科医生大模型充分考虑了数据安全要素，严格遵循国家相关法律法规及行业管理规范要求，包括《中华人民共和国个人信息保护法》《数据安全法》《网络安全法》《国家健康医疗大数据标准、安全和服务管理办法（试行）》《国务院办公厅关于推动公立医院高质量发展的意见》等。
“我们前期对AI医生在大量数据判读的同时，就已经按照相关的行业行规要求，把所有的隐私数据安全风险全部有效地规避掉了，在未来应用层面也同样会考虑这样的问题。只有这样去管理，才能真正确保每个病人的安全，同时也符合伦理的要求。”倪鑫说。
在AI儿科医生大模型的管理上，是否开源也是各公立医院尤其是基层医疗机构较为关注的问题。倪鑫表示，“在前期试用的时候，肯定要有一部分开源，因为要推广。但后期会细分，比如‘家庭型’相对简单，对底座要求不是那么大，可能就开源；但‘高级医生型’可能会有相应管理。后期，我们对‘四小’该怎么用，开源还是半开源，会有一个规范。”
在AI儿科医生的推广使用方面，徐新认为，人工智能为提高医疗质量和安全、改善医疗服务提供了一种新范式。不同医疗机构在信息化基础、算力资源投入、医生对人工智能的了解情况等方面存在差异，通过不同的技术方案可以保证AI儿科医生有效推广，重点是如何能为医生赋能，提高医生的工作效率、调动医生使用的积极性等方面。
此外，随着人工智能的迅猛发展，近半年来，各地公立医院积极拥抱AI人工智能，进行AI模型本地化部署。通用版AI模型需和医疗专业进行融合使用，为此，不少公立医院开启各自的探索融合之路。
倪鑫认为，真正的AI医生应该是一个体系。“比如儿童医学领域可能是推广北京儿童医院的，罕见病可能是推广协和医院的。其他地方一旦全覆盖以后，就不用各医疗机构纷纷各自去做研发了，没必要形成行业内的无序竞争，也会造成一种资源浪费，因为原理都是一样的。而且牵头的都是头部的医疗机构，就足够了。在AI医疗发展过程当中，我们也在着手跟有关协会合作，比如形成在AI体系内的一些规范。”目前，北京儿童医院正在积极探索大模型评价体系建设工作，牵头启动了《人工智能儿童医学大模型》团标建设工作。
如何让医疗资源在整个模型里面能更好地发挥作用，也是徐新近期在思考的问题，他认为，AI儿科医生的模式是可以复制到其他专业或医疗机构的，“但现在也有一个研发推进的矛盾，对于单家医疗机构来说，可能无力购买更大规模的算力资源专门进行研发，而对于企业研发来说，又面临着‘数据不能出医院’这条红线。”他认为，未来以医联体为单位进行探索或许是一条可行之路。 
与本文作者互动
感谢关注《中国医院院长》公众号，每天都有好内容
