8,900
0

拜托了,AI!帮忙解决「看病难、看病贵」吧|对谈王国鑫:京东健康探索研究院首席科学家

推进医疗资源公平分配 筑牢全民健康服务基石

保障医疗服务的公平性与可及性是社会文明进步的重要标志。当前我国正着力构建覆盖全民、城乡统筹的医疗卫生服务体系,通过优化资源配置、强化基层能力、完善保障机制等系统性举措,逐步实现“病有所医、医有所保”的战略目标。

核心实施路径

  • 资源下沉战略
  • 推动优质医疗资源向基层倾斜,通过医联体建设、远程医疗等技术手段,打破地域壁垒,使城乡居民都能就近获得规范化诊疗服务。

  • 保障制度完善
  • 深化医疗保障制度改革,健全大病保险和医疗救助体系,重点解决低收入群体”看病贵”问题,构建阶梯式健康保障网。

  • 数字技术赋能
  • 发展”互联网+医疗健康”,通过智能分诊、电子病历共享等措施,消除信息不对称,提升医疗服务的精准度和覆盖率。

  • 人才队伍建设
  • 实施全科医生培养计划,完善基层医务人员激励机制,确保各级医疗机构具备标准化服务能力。

    长效价值体现

    当基本医疗服务实现城乡无差别供给时,不仅能够显著提升国民健康水平,更能有效降低因病致贫发生率,为社会可持续发展注入稳定动能。这要求政策制定者、医疗机构与社会各界形成合力,持续推动医疗卫生服务从”量的普及”向”质的均衡”转型升级。
    拜托了,AI!帮忙解决「看病难、看病贵」吧|对谈王国鑫:京东健康探索研究院首席科学家

    AI+医疗行业异军突起:全球趋势与中国实践的深度对话

    全球AI医疗创新企业迎来发展黄金期

    近期美国多家AI与医疗结合的创新型企业相继取得突破性进展,行业呈现出前所未有的蓬勃态势:

  • OpenEvidence(医学知识搜索平台)实现了年经常性收入突破1000万美元的重要里程碑,目前每日有逾万名医生付费使用其专业服务
  • Abridge(临床文档智能转写解决方案)完成了高达2.5亿美元的巨额融资
  • Tempus AI(肿瘤学与精准医疗领域先驱)已在纳斯达克证券交易所成功上市,市值峰值超过60亿美元
  • Hippocratic AI(医疗专用大模型开发商)的市场估值也已攀升至数十亿美元量级
  • 这些行业标杆企业的共同崛起标志着一个不可逆转的趋势:人工智能技术正在全球范围内深度重构医疗健康产业体系。值得注意的是,这一变革浪潮同样席卷中国市场,AI+医疗的本土化实践正在全方位加速推进。

    专家视野:AI医疗的中国解决方案

    应行业关注热点,我们特邀京东健康探索研究院首席科学家王国鑫深度解析AI在医疗领域的应用前景。王博士重点分享了「京医千询2.0」大模型与「AI医院」的创新实践与发展规划。
    王博士从企业战略层面系统阐释了AI产品如何依托京东健康的「医检诊药」全生态闭环,多层次满足用户健康需求。同时,他对标分析了以OpenEvidence为代表的美国创新型企业的发展路径与差异化定位,为行业提供了珍贵的比较研究视角

    医疗AI发展的关键启示

    医疗行业作为监管最严格、数据最敏感、决策最具生死攸关性的特殊领域,其数字化转型面临独特挑战。王博士本次分享的核心方法论—包括真实痛点的精准定位、专业数据的系统积累、产品战略的用户心智争夺—具有跨行业的普适价值
    特别值得强调的是,王博士的这些经验对各类垂直领域的大模型应用开发都具有重要启示意义,值得行业同仁深入思考。对于正在探索AI商业落地的企业而言,这些见解可能成为突破发展瓶颈的关键参考

    附录:科学家视角的健康管理智慧

    作为本次对话的额外收获,王博士还从其专业视角出发,分享了实用易行的个人健康管理技巧,这些方法源于科学实证,操作简便,适合各类人群日常应用。
    拜托了,AI!帮忙解决「看病难、看病贵」吧|对谈王国鑫:京东健康探索研究院首席科学家

    快问快答

    对话京东健康首席科学家王国鑫:探索医疗大模型的商业价值与未来方向

    在本期「十字路口」节目中,我们特邀京东健康首席科学家王国鑫(Nico),深入探讨医疗大模型这一兼具典型性与特殊性的垂直领域AI案例。作为节目中首位获邀的C-level科学家,Nico将从技术、商业及行业角度,解析医疗AI的核心挑战与发展路径。

    嘉宾背景速览

  • 年龄:40岁
  • 现任职务:京东健康探索研究院首席科学家(任职第3年)
  • 此前经历:专注于搜索技术多模态技术研发
  • 个人特质:MBTI性格类型为ENFJ,星座为双子座
  • 核心产品:京医千询医疗大模型

    王国鑫以一句话概括当前研发重点:
    我们正在构建“京医千询”医疗大模型及基于其上的Agent医疗服务,旨在重塑医疗健康行业的智能化服务生态。

    商业模式与财务现状

    针对商业落地与盈利能力的提问,王国鑫坦言:

  • 行业现状:目前AI领域尚未完全跑通可持续的商业模式,医疗大模型仍处于战略投入阶段
  • 公司数据:京东健康2023年上半年整体营收突破350亿人民币,净利润达35亿人民币
  • 长远定位:医疗大模型的核心价值在于定义未来医疗服务形态,并为公司战略方向提供技术支撑。
  • 本次对话揭示了医疗AI在数据获取、商业验证及技术实现方面的共性难题,也为垂直场景的AI创业提供了可借鉴的思考框架。

    医疗数据的「痛并快乐着」

    京东健康AI战略解析:医疗大模型如何重塑行业供给格局

    核心战略定位:AI赋能医疗供给体系

    京东健康首席技术官王国鑫明确指出,医疗AI已成为该公司核心战略方向。医疗行业因其供给受限、服务成本高的特性,与人民群众持续增长的健康需求存在天然矛盾。AI技术的核心价值在于提升医疗服务供给水平,这一目标不仅获得企业界的普遍重视,更是国家层面的战略考量。

    发展阶段与技术演进路径

    京东健康的AI发展历程可分为三个阶段:

  • 基础能力建设阶段:依托日均超50万次的医疗咨询服务需求,建立AI分诊与质控体系,实现精准医患匹配和合规运营
  • 数据延展探索阶段:拓展数字疗法等技术应用,将医疗服务覆盖从诊疗中向前后两端延伸
  • 大模型变革阶段:利用大模型类人水平的交互能力,实现医疗服务标准化与成本优化
  • 大模型的颠覆性价值

    医疗大模型与前代AI技术存在本质区别:

  • 服务能力升级:从单纯的分诊匹配发展为可提供类医生服务
  • 社会意义重大:有望通过低成本普及医疗服务,消除医疗资源获取不平等
  • 长期价值延伸:可能发展为生命健康伴随系统,实现真正意义上的预防医学
  • 王国鑫特别强调,大模型最深刻的社会价值在于创造医疗平权——通过技术手段使各类人群都能获得相对均等的医疗服务,理论上可能为普通民众延长3-5年预期寿命。

    医疗数据特性与行业挑战

    医疗AI发展面临独特的”痛并快乐”局面:

  • 优势方面*
  • 国内医疗信息化基础较好,电子病历、影像云等系统较为规范
  • 国家政策持续推动医疗数据标准化进程
  • 挑战维度*
  • 数据完整性局限:医疗记录侧重诊疗结果而非思维过程
  • 学习模式差异:人类医生的经验传承方式难以被AI完全模拟
  • 行业特殊性
  • 数据确权复杂(医院、医生、患者多方权益)
  • 检验检查结果存在设备标准差异
  • 医疗行为的法律风险管控需求
  • 业内共识认为,尽管医疗AI发展面临诸多挑战,但其作为垂直领域最具价值的应用方向,突破后将创造巨大的社会效益。该领域的竞争并非单点技术比拼,而是系统性解决方案的较量。

  • 这篇文章呈现了医疗AI领域的专业讨论,重点突出了技术演进的阶段性特征、大模型的差异化价值,以及医疗数据处理的行业特殊性。采用分级标题明确结构,关键观点加粗强调,符合专业资讯内容的表达规范。

    一个内部申请预算的公式:什么样的行业值得做垂类大模型?

    垂直领域AI模型的应用前景与发展逻辑

    垂直模型的必要性标准

    垂直领域AI模型的建设并非所有行业都适用,需符合两个核心标准:

  • 数据维度标准
  • 行业数据是否具备独占性、独特性和迫切性
  • 数据获取成本是否可控(低成本获取或可模拟)
  • 知识的显见性与治理难度(行业知识外显程度)
  • 商业模式标准
  • 商业价值是否足够清晰且重要
  • 能否形成不可替代的专业价值
  • 商业模式是否具备持续发展空间
  • 典型应用案例显示:

  • 教育领域的语言学习模型:知识显见、可模拟,且能克服人类心理障碍
  • 编程领域的代码模型:人力成本高,商业模式明确,成为通用模型企业的必争之地
  • 医疗领域的AI应用进展

    已实现的变革

    信息平权革命

  • 从竞价排名的搜索引擎模式转型为问答式准确信息获取
  • 提高了普通人群获取医学信息的准确性和便捷性
  • 未来3-5年发展路径

  • 健康教育与预防
  • 通过AI对话增强健康建议和早期筛查意识
  • 提升胃肠镜检查、体检等预防措施的渗透率
  • 智能分诊系统
  • 准确识别轻症、重症和急症状态
  • 轻症提供标准化解决方案
  • 重症/急症直达专业医疗资源
  • 辅助诊疗能力
  • 实现24/7不间断的常见病诊断服务
  • 人工Review机制保障诊断准确性
  • 医疗成本控制
  • AI驱动的药物研发和新疗法探索
  • 医生终身学习辅助系统的深度应用
  • AI普及的社会接受度

    使用门槛问题在实践中被证明并非主要障碍:

  • 各年龄段人群均已展示较高AI工具接受度
  • AI问答模式正逐步取代传统搜索引擎
  • B端到C端的渗透速度超出预期
  • 这种转变奠定了AI作为新型基础设施的地位,其生产力提升效应已经开始产生不可逆的社会影响。未来AI将成为医疗健康服务体系中不可或缺的组成部分,从根本上改变”看病难、看病贵”的现状。

    京医千询 2.0:不止于文本,三大核心进化

    京东健康「京医千询」2.0模型核心技术演进路径解析

    京东健康技术副总裁王国鑫近日详细介绍了「京医千询」医疗大模型从1.0到2.0版本的核心技术升级。此次迭代主要体现在三大关键维度:

    一、数据构建模式的革新

  • 合成数据的大规模应用:2.0版本突破性地采用了医患对话合成agent技术,该技术已通过API接口向行业开放。相较于1.0版本依赖论文、教科书及真实病例等传统数据源,新型合成系统能够模拟全场景医患交互,有效解决医疗数据获取困难的行业痛点。
  • 数据验证体系:京东健康构建了三级验证机制:
  • 内部300人全科医生团队的in-house评估
  • 与顶级医学院进行的第三方验证合作
  • 由100多位临床专家组成的质控委员会的独立评审
  • 二、多模态技术突破

  • 0版本实现了医学影像数据的智能解析能力,支持CT、MRI、X光等多种模态的精准识别。该技术使模型不仅能够处理医学文本信息,更能直接分析影像学特征,真正实现临床诊断的全要素覆盖。
  • 三、循证推理机制建立

  • 证据链可视化:所有诊断结论均标注证据来源及等级,最高级别证据包括顶级期刊论文和国家诊疗指南。
  • 多模态交互演示:创新性地展示推理过程如何同时运用文本解释和影像标注,例如直接在CT图像上定位病灶并关联诊断依据。
  • 质量控制方法论

    针对合成数据的验证挑战,京东健康设计了分级过滤系统

  • 上层通过算法预筛减少人工审核量
  • 中层设置自动化的质量阈值
  • 下层聚焦关键问题的专家验证
  • 该体系依托京东健康日均49万次的真实问诊数据进行持续优化,确保模型输出的临床可靠性。
    这一技术演进标志着医疗AI从单模态分析向多模态协同决策的重要转型,为行业提供了可复用的技术范式。

    垂直模型在哪些具体问题上能秒杀 GPT?

    医疗大模型的专业优势与应用前景

    核心差异:拟专家能力的构建

    医疗大模型与基础通用模型存在本质差异。经过专业训练的医疗大模型具备”拟专家能力”,即模拟医生的思维方式和诊疗流程。这种能力主要体现在两方面:

  • 诊断效率:医疗模型能像资深医师一样,通过关键问题快速定位核心病种,而非面面俱到地罗列可能性
  • 临床伦理:专业模型符合医学实践规范,避免了通用模型可能产生的不符合诊疗常规的冗长问答
  • 多模态技术的专业化突破

    在医学影像识别等多模态应用场景,医疗大模型展现出明显优势:

  • 精准定位:优化了器官定位算法,提升解剖结构识别准确率
  • 对称性分析:强化了对脏器对称性的评估能力
  • 微小病灶检测:提高了对小病灶的敏感度和特异性识别
  • 这些专业化优化解决了通用模型在医疗影像领域的性能瓶颈,弥补了数据壁垒导致的技术鸿沟。

    诊疗能力的差异化体现

    即使针对常见症状如发热,专业模型也能展现出临床思维优势

  • 诊断方式:遵循标准诊疗路径,而非百科全书式应答
  • 判断依据:模拟医生考虑优先级和可能性分布的思维方式
  • 处置建议:提供符合医疗规范的干预方案
  • 个性化医疗服务的实现

    患者档案系统为医疗大模型提供了重要的差异化优势:

  • 历史病历整合:结合用户既往病史提供个性化建议
  • 家庭健康管理:支持多成员档案关联评估
  • 持续健康追踪:建立长期医疗数据闭环
  • 能力评估体系的专业化

    医疗AI的评价维度应超越传统跑分:

  • 专业线评估
  • 诊断准确率
  • 治疗方案有效性
  • 临床路径合规性
  • 体验线评估
  • 医患沟通技巧
  • 共情表达能力
  • 心理疏导能力
  • 医疗AI的未来发展方向

    行业正聚焦三大核心应用场景:

  • 全周期患者服务
  • 诊前咨询与准备
  • 用药依从性追踪
  • 康复指导与监测
  • 临床科研支持
  • 队列数据分析
  • 诊疗模式挖掘
  • 新疗法探索
  • 医疗效率提升
  • 智能化分诊
  • 医生辅助决策
  • 医疗文书自动化
  • 医疗机构的态度已从谨慎观望转向主动协作,新一代医师群体更是将AI工具视为提升医疗服务质量和效率的必然选择。未来医疗AI发展将更加注重场景落地与临床价值创造。

    AI 医院:一场争夺「未来健康第一入口」的阳谋

    AI 医院1.0:京东健康打造未来医疗”第一入口”的战略布局

    产品定位与核心理念

    AI医院1.0是京东健康推出的整合式医疗服务平台,其核心设计理念建立在医疗服务的天然专业性基础上。通过汇集此前独立开发的多个人工智能辅助诊疗agent——包括心理健康顾问、内科专家、药剂师和营养师等专业模块——该平台实现了从单点优化到系统整合的战略升级。
    “心智入口”是这一产品的关键战略目标。京东健康希望构建一种用户认知:当人们感到身体不适时,首先想到的不是分散寻找各类医疗资源,而是通过这一集中化平台获得专业指导和服务。正如王国鑫所言:”某种意义上看,AI医院代表了我们对未来健康入口的战略探索与市场卡位。”

    目标用户场景与价值主张

    京东健康高管团队在产品规划中明确了差异化市场定位

  • 一线城市人群:服务于”健康管理”理念的普及,帮助用户建立健康档案,实现从被动治疗到主动预防的转变
  • 非一线城市居民:弥补医疗资源分布不均的差距,提供优质医疗服务的可及性窗口
  • 从技术角度看,AI医疗与移动互联网有着本质区别:前者重在生产力赋能而非单纯的连接价值。王国鑫指出:”未来的医疗机构可能会形成层级化网络——三级医院负责复杂诊疗和康复的枢纽中心,AI技术则赋能基层医疗机构实现筛查、分诊和转诊等基础服务。”

    开源战略与生态构建

    在产品生态方面,京东健康采取了开源策略。”京医千询”项目不仅开源了核心模型,还包括完整的训练代码和部分数据集。这种深度开放出于多重考量:

  • 建立行业信任:医疗行业对可靠性要求极高,开源有助于展示技术透明度和专业能力
  • 促进生态协作:吸引研究机构和医疗机构参与技术验证与应用开发
  • 获取真实反馈:通过外部试用优化模型性能和专业化水平
  • 实践表明,这一策略显著增强了与医院和研究机构的合作深度,特别是小型专科医院的积极参与成为技术落地的关键助力。

    商业模式与竞争优势

    京东健康将AI医院定位为供应链能力的自然延伸。王国鑫强调:”我们的核心竞争力不是单纯的AI技术,而是基于集团供应链优势构建的全方位医疗服务网络。”
    这一模式实现了三重价值衔接:

  • 可靠替代:在细分场景实现高准确率的AI辅助诊断
  • 服务连接:打通线上咨询与线下医疗资源(如30分钟送药、上门护理等)
  • 个性方案:提供从诊断到治疗的闭环服务体验
  • 与国际市场相比,中国医疗AI发展有其特殊性。美国模式重订阅付费和专业工具开发,国内则更关注普惠价值和系统性效率提升。京东健康选择了一条符合本土医疗支付体系的发展路径,通过整合集团现有的互联网医院、实体医疗机构和药品供应链,构建独特的竞争优势。

    未来展望

    随着人口老龄化和地域差异加剧,AI赋能的分层诊疗体系正成为中国医疗改革的可能方向。AI医院作为入口级产品,其发展不仅关乎单一企业的商业布局,也将影响未来医疗服务的可及性和质量。
    京东健康的战略野心不止于打造优质的AI问诊工具,而是通过技术赋能重构“医-药-养”完整生态。在这一愿景下,AI既提升了服务效率,也增强了用户体验,最终实现”有效医疗”的核心价值主张。

    给普通人的建议:如何利用 AI 更好地生活?

    健康投资:AI医疗专家建议的科学规划方法

    长周期健康的核心影响因素

    个人健康状况主要由两大关键因素决定

  • 慢性病管理与免疫系统功能 —— 直接影响日常生活质量
  • 重大疾病风险防控 —— 关系到生命安全保障
  • 35岁以上人群的健康投资建议

  • 设立年度健康专项预算
  • 从35岁开始,建议每年制定固定金额的健康管理预算,通过经济手段形成行为约束。研究表明,早期疾病筛查的投入产出比可达1:5以上,多数可防可控疾病在早期干预阶段具有临床可治愈性。

  • 预算执行的科学路径
  • 优先考虑有家族遗传倾向的疾病筛查
  • 根据个体风险选择胃肠镜等针对性检查
  • 预算范围内选择最优医疗服务方案
  • 年轻群体的健康管理策略

    对于35岁以下群体,应重点关注基础指标监测与预防医学实践

  • 关键生理指标追踪
  • 定期血压监测(建议家庭配备电子血压计)
  • 空腹血糖检测(每年不少于1次)
  • 家族病史评估
  • 建立三代直系亲属疾病图谱
  • 针对高风险疾病提前制定防控计划
  • 窗口期疾病干预
  • 医学研究证实

  • 糖尿病前期干预成功率可达70%
  • 高血压早期控制可使心血管风险降低40%
  • 行为经济学视角的健康管理

    采用“预算约束+目标管理”的双重机制:

  • 资金先行分配 —— 设立专款专用的健康账户
  • 消费期限设定 —— 当年未使用的额度需缴纳”健康罚金”
  • 这种做法有效解决了健康投入的行为延迟问题,将被动治疗转变为主动预防,符合现代预防医学的核心理念。

    投资人视角:如何判断一个垂直大模型公司?

    垂直大模型的应用前景与投资逻辑

    医疗大模型经验的可迁移性

    医疗大模型的技术经验并非局限于医疗领域,其核心方法论可广泛应用于法律、金融、教育等垂直行业。这些行业的共通点在于:

  • 复杂情境建模:均涉及高度结构化的数据处理与推理优化,例如:
  • 教育行业中的个性化学习路径规划;
  • 法律领域的多步逻辑推理与案例匹配;
  • 金融行业的投资组合分析与风险管理。
  • 结构化数据融合:这些场景均依赖行业专属数据的整合能力,从而实现精准决策支持。
  • 因此,医疗大模型的底层技术框架,包括多模态数据融合、知识图谱构建以及推理优化,完全可以迁移至其他专业领域。

    垂直大模型公司的投资逻辑

    评估一家垂直大模型公司的发展潜力,投资者应重点关注以下维度:

  • 行业知识深度
  • 是否存在专属数据壁垒?是否具备深度的行业经验积累
  • 若缺乏真正的专业知识与数据护城河,公司难以形成核心竞争力。
  • 商业机会的适配性
  • 行业规模不宜过大,否则容易招致通用大模型厂商的竞争;
  • 但同时需具备近期变现能力,以确保商业模式可行。
  • 商业化落地策略
  • 营收模式的选择(API 订阅、产品付费或销售驱动)至关重要;
  • 团队需配备具备商业思维的合伙人,以确保长期增长空间。
  • AI 技术的普惠价值

    医疗大模型的发展仅是人工智能赋能垂直行业的开端,未来类似的结构化决策支持模型将在更多专业领域落地,从而提升行业效率并优化用户体验。投资者和从业者应持续关注技术与行业的深度融合,以释放AI的真正潜力。

    © 版权声明

    相关文章