当全球数字医疗市场以万亿规模展开画卷,中国正以其超过30%的年均复合增长率,成为其中最富活力的板块。
然而,市场的繁荣映衬出一个更为深刻的行业命题:在人工智能技术浪潮与“健康中国”战略交汇的“十五五”新阶段,如何构建真正适配中国医疗体系特质、赋能医生核心生产力的下一代基础设施?如何将海量的全球医学知识,转化为医生手中精准、可信、即刻可用的决策依据?当美国医学AI智能体OpenEvidence凭借“AI+循证”模式成为资本市场宠儿时,在中国,一场基于深厚医学专业主义与本土化场景洞察的实践,正为这一命题提供更为扎实的注解。
在这场前沿探索中,医赋科技创始人吴功雄博士带着哈佛大学归来的技术积淀与“知识赋能医生”的初心,打造出以“医学文献数据库+AI智能体”为技术底座的Info X Med平台。区别于追逐短期热点的技术套用,医赋科技选择了一条更为笃定也更具挑战的路径:将人工智能的澎湃算力,严谨地锚定于循证医学的方法论金标准与千万级权威数据构筑的“证据基座”之上。
这远非一次简单的工具迭代,而是一场对医学知识生产、流通与应用工作流的系统性“重编码”。其根本目标,是让每一位中国医生——无论身处顶级研究型医院还是县域基层医疗机构——都能平等、即时且可信地调用全球医学知识库,获得一个能大幅压缩无效信息检索时间、提升决策信心的“超级临床智能工作站”。这一变革的深层意义在于,它将医生从繁重的知识检索与初步研判中解放,不仅直接提升临床与科研场景下的即时效率,更为其创造了持续进行深度学习与专业精进的空间,从而系统性赋能医生个体与整个医疗体系的能力进化。
筑牢“知识地基”:让每一句AI回答可追溯、可分级
在医疗AI迈向临床可信的关键隘口,通用大模型固有的“幻觉”问题构成了首要障碍。医赋科技从创立之初,便确立了“先立其大、夯实根基”的战略。“自ChatGPT引发范式变革以来,我们的判断就非常清晰:真正的临床级AI价值,必须构建在高质量、高合规的专业数据底座之上,并与大语言模型的能力进行深度、有机的融合。”医赋科技吴博士回顾其技术路径时谈到。
这一路径的基石,是一个动态汇聚了超过4000万篇全球权威医学文献、国际临床指南与基金数据的专有数据库。与依赖开放网络爬取的信息源截然不同,吴博士强调了其数据管道的纯粹性与权威性:“我们与威立(Wiley)等世界主流出版商都签订了授权协议,可以获得全网使用权。这确保了数据源的权威与精准,这也是我们一切工作的起点。”
基于这座持续生长的“证据富矿”,医赋科技锤炼出其核心产品——循证智能体。它直击临床实践的本质需求:在面对复杂、不确定的临床场景时,为医生提供一份实时、有据、分级清晰的决策参考。其核心竞争力,源于对循证医学“可追溯性”与“证据分级”原则的工程化极致实现。
医学博士戴海斌教授详细阐释了循证智能体的运行逻辑:“该智能体绝不满足于给出一个简单的‘是’或‘否’的答案,而是解决了答案的可追溯性问题。”系统在面对查询时,会自动化执行一套严密的证据检索与评估流程,最终形成结构化的回答,并明确标注每一项建议的证据等级和参考文献。
这种设计将AI定位为强大的“证据聚合与评估助手”,而最终的临床决策权与责任,则明确且合理地保留在医生手中。戴教授总结道:“我们确保所有结论都文献可溯、证据分级清晰。医生是专业人士,他们能结合这些透明的证据与自己的临床判断作出决策。”
为淬炼这一“证据罗盘”的专业锋芒,医赋科技将合作视野投向全球循证医学的源头,引入了循证医学奠基人、加拿大皇家科学院院士Gordon H. Guyatt教授团队叶志康博士参与深度打磨。此举旨在将全球最顶级的循证方法论,内化为产品的核心基因。
吴博士还透露:“医赋科技即将发布全新版本的循证智能体。经过加拿大及美国专家的测试,其在专业度上已不逊于OpenEvidence,甚至在部分精准性上实现了超越。”除了在回答的专业严谨性上与国际领先产品齐平,并在针对中国临床常见问题的精准性与实用性层面展现出独特优势,更重要的是,它为中国医生提供了一个无需跨越国际网络壁垒、深度整合中文医学语境与指南的“本土化循证方案”,解决了可及性与适用性的核心痛点。
穿透“医教研”场景:让AI融入医生真实工作流
医赋科技对自身的定位清晰而坚定:一家“医疗AI数据公司”,其核心能力在于将数据转化为覆盖医生职业全周期的场景智能。吴博士多次强调“深度聚焦、价值闭环”的战略,而这一战略,具体映射在对中国医生“医、教、研”三位一体能力模型的深度解构与赋能上。
在“研”的场景,科研智能体正重塑医生与海量文献的交互范式。它能够帮助医生在几分钟内完成对单篇文献的深度解读,或是对一个领域进行“空白点挖掘”,梳理研究脉络并提示未来方向。吴博士谈到,该在试点合作的三甲医院中,该工具帮助医生将文献调研的泛读时间平均降低了80%,同时确保了关键研究进展的无遗漏捕捉,显著加速了科研项目的孵化与启动。
同时,在“医”的场景,循证智能体致力于填平医疗资源的“知识鸿沟”。戴教授深刻洞察到基层医疗的痛点:“基层医生水平的所谓差距,根源往往在于知识获取的不便与滞后。他们外出学习、参加高端会议、获取最新文献的机会相对较少。”循证智能体通过自然的语言交互,将分级、溯源的权威证据瞬间推送到医生面前,相当于为每位医生配备了一位永不离线、知识实时更新的“循证顾问”。这精准契合了国家卫生健康委推动优质医疗资源下沉、提升农村和基层医疗服务能力的政策导向。
而在“教”的持续成长轴线上,图书馆智能体整合了超120万道题目的知识库与继续教育资源,构建起一个覆盖从医学生到资深专家全职业周期的个性化学习系统。这三大智能体并非孤立功能,而是基于Info X Med平台深度集成、数据互通,共同构成了一个支撑中国医生终身职业发展的赋能型数字生态。
那么,医赋科技如何将这个深度的“医、教、研”专业生态转化为可持续的商业模式?据吴博士介绍,医赋科技探索出一条“普惠医生、服务产业”的双轨路径。一方面,其面向广大医生提供免费服务。
吴博士与戴教授共同解释了这份初衷:“我们本身是科研出身,深切理解医生的需求。最初的想法就是从文献获取这一刚性需求入手,特别是助力基层医生,提升整个中国医疗界的科研能力。”而另一方面的可持续性则通过服务药企等B端客户来实现:在平台设立合规的产品信息专区,并为药企提供药物研发趋势分析、市场格局深度调研等基于数据智能的增值服务。
锚定“人工智能+”:以专业深度迎接医疗AI新阶段
事实上,医赋科技的实践,与国家对“人工智能+医疗卫生”的顶层设计形成了深刻共振。2025年11月,国家卫生健康委等五部门印发《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》,明确提出到2027年,建立一批卫生健康行业高质量数据集和可信数据空间,形成一批临床专病专科垂直大模型和智能体应用,基层诊疗智能辅助、临床专科专病诊疗智能辅助决策和患者就诊智能服务在医疗卫生机构广泛应用等。
这无疑印证了医赋科技所坚持的“垂直深耕、数据驱动”路线的战略前瞻性。政策的明晰不仅绘制了行业发展的蓝图,更为已在此方向扎实构筑起数据、算法与场景壁垒的企业,锚定了更为广阔的价值实现空间。
从宏观经济与产业生态的视角审视,一个权威、可信的医疗循证智能平台,其赋能半径远不止于临床医生。它为医学生提供了沉浸式的循证思维训练工具;为药学与医疗器械企业提供了基于真实世界证据的研发洞察与市场分析;为商业健康保险机构提供了精准风险评估与个性化健康管理方案设计的核心依据,有望引导保险资金向更具价值的预防与健康管理环节流动;最终,通过惠及医生的“普惠计划”与未来面向患者的通俗化循证科普,它将助力提升全民健康素养,形成“医生-产业-支付方-患者”价值正向循环的微观基础。
展望未来,医赋科技吴功雄博士的思考冷静而务实:“我们的进化方向,是在现有‘医教研’赋能生态的基础上,沿着数据价值的纵深化与服务场景的扩展两个维度稳健推进。无论是面向患者的友好型知识服务,还是面向医药产业的深度数据洞察,其核心永远根植于我们不断演进的医疗数据智能生态之中。”
在医疗AI从技术演示走向规模应用的关键历史阶段,医赋科技所展现的路径——以权威数据为护城河,以循证医学为灵魂,以深度融入中国医生工作流为依归——昭示着一种更为扎实、可信的发展范式。它揭示了一个本质规律:在性命相托的医疗健康领域,唯有极致的专业主义、严谨的工程实现与深刻的本土化洞察相结合,才能锻造出真正不可替代的长期价值,从而在“健康中国”的伟大征程中,担当起一份沉甸甸的技术责任。
