中国500万医生的新AI：卷的就是证据源量子位

明明是一场AI的发布会，台下却坐满了医学界的大佬们：

有北大、清华的，有浙江、上海的，甚至医学顶刊BMJ集团的主编都来围观了……

△图片由AI生成

为啥会这样？

因为阿里健康正式发布了一个新的医学AI产品——氢离子，主打的就是靠谱的医学AI助手。

或许你还会有疑问，现在通用大模型、医疗AI不是蛮多的么，阿里健康干嘛还要再另起炉灶啊？

阿里健康CTO王祥志在现场举的例子，就直击了这个问题的七寸。

他用专业的Prompt来约束通用大模型：

你必须要查询专业的文献，告诉我氟泽雷塞的使用注意事项，当病人出现漏服到底怎么办的时候？

结果，通用大模型一本正经地给出了错误的补服建议……

在容错率极低的医学场景下，这绝对是个Big Problem。

除此之外，在“用”这件事上，也有问题。

目前中国50%的医生，会通过4个以上的APP来解决他们的问题，包括查询用药、查询临床指南，查询中英文文献还要再去不同的论文网站……

所以，氢离子要做的事情就一目了然了。

不仅是要更聪明，最重点的是，要让中国500万医生用得够可靠、够方便。

把靠谱的证据摆到500万医生面前

首先需要厘清一个核心概念。

氢离子不是医生用来给患者看病的那种AI，它是专门解决中国500万医生查证据慢、找文献难、读英文累、不同工具来回切换，以及通用AI容易说胡话等痛点的。

为此，氢离子甩出了三板斧，精准直击痛点。

循证智能问答，每句话都有迹可循

医生可以用自然语言来提问，例如：

糖尿病肾病SGLT2抑制剂最新指南。

甚至医生们还可以通过语音、图片、病例文本等方式表达需求，系统会再根据问题拆解意图、检索证据、组织答案：

但更重要的是，答案可不只是完整回答那么简单。

氢离子强调，每个答案背后都会有指南、文献、说明书等医学证据支撑，并且可以定位到原文中的具体段落：

医生点击对应引用，就能看到证据来自哪篇文献、哪一部分原文，以及原文如何支持这个结论。

这点对医学AI非常关键。

因为医生真正需要的，正是一个能把证据链摆清楚的助手。

AI给出结论之后，医生必须能回头检查：这个结论依据的是指南、RCT研究、真实世界研究，还是某种较弱证据？它适用的人群是谁？样本量多大？是否和眼前患者相似？

如此一来，在查得快，且找得准的基础上，才能把核对证据的权利完完整整地交还给医生。

精准文献搜索，独家牵手国际顶刊

阿里健康正式宣布与英国BMJ集团达成期刊内容独家合作。作为全球最具影响力的医学期刊之一，BMJ集团旗下70本医学期刊过去十年间发表的所有内容和多媒体资源，将独家授权提供给氢离子。

这意味着，氢离子成为了国内唯一一个在站内就能直接阅读BMJ集团海量顶级文献的医学AI助手。

据了解，在此之前，氢离子已经与中华医学会、人民卫生出版社、中国抗癌协会等国内权威机构打通了数据。

一句话搜遍国内外顶刊，氢离子在证据源的丰富度与权威性上，已然筑起了区别于其它AI的护城河。

AI文献速读和医学翻译

对医生来说，找到论文只是第一步，读懂才是更费时间的部分。

一篇SCI论文，尤其是临床研究论文，医生往往需要花不少时间拆解，包括研究目的是什么、纳入了哪些人群、干预措施和对照组是什么、对真实临床有什么参考价值等等。

在过去，医生们可能需要1到2小时才能提取一篇文献的核心内容；但有了氢离子，这个时间被压缩到了3到5分钟！

同时，氢离子还提供医学术语翻译和中英对照阅读，正如王祥志在现场提到的：

团队面对面访谈中，有超过80%的医生表示阅读英文医学内容时需要借助各种翻译工具，尤其是专业术语和生僻表达。

为什么氢离子不会说胡话？

能读懂长难句、能做总结翻译，这在今天的大模型圈似乎已经是基操。

但真正让能台下数百位严苛的医学专家点头认可的，是氢离子在底层逻辑上对医学严谨性的死磕。

通用大模型之所以会说胡话，是因为它的本质是基于概率的文字接龙；但王祥志认为，在容错率极低的医疗行业，AI必须被戴上紧箍咒，懂得敬畏边界。