紫荆智康发布AI原生诊疗操作系统：54位AI医生组队，准确率超96%

放眼全球，优质医疗资源不够用、分布又不均衡，这是各国卫生体系共同面对的一道难题。

人口老龄化在提速，慢病管理和健康随访成了刚需，需求涨得快，靠传统方式供给医疗服务已经很难撑起高质量的诊疗。

有医疗领域专家指出，眼下拿到批准的AI医疗产品，大多功能是固定的辅助工具，盯的是肺结节CT检测、眼底筛查、病历生成、影像分诊这类单点任务，嵌进现有流程后由执业医师做最后确认，能力出厂就定死了，不会因为“看了更多病人”而自己变强。

能力为何出厂就定死？说到底，问题出在传统AI训练所依赖的数据，本身就有结构性缺陷。

一位开发AI医疗工具的人士直言，临床真实世界数据不够，医疗机构之间信息也不共享，这两点给AI训练带来很大制约。真实诊疗数据散落在不同医院、不同系统里，格式不统一、标准各不同，跨机构汇聚既要过隐私合规这一关，又要协调各方利益，结果就成了“信息孤岛”。

由此带来的后果是，训练数据在病种、人群、机构上的分布出现偏斜，模型很难覆盖真实临床的多样性，罕见病和长尾场景长期样本不足。老龄化社会带来海量随访与慢病管理需求，而这种“被动查询”的工具模式明显接不住未来国家布局AI医疗机构的系统性要求：跨专科实时协同做不到，基层医疗的持续性健康管理也撑不起来。

10月21日，清华大学智能产业研究院（AIR）孵化的紫荆智康推出“AI原生诊疗操作系统”。在这套系统里，AI医生能像专家团队那样“组队”协作，医生掌握最终决策权，系统伴随使用不断学习，效率提升30%。

紫荆智康首席产品官乔宇宸在会上表示，收集信息、分析信息、给出决策建议这些环节交给AI，诊断、治疗和用药的最终决策仍由医生拍板。

乔宇宸还援引数据说，到2030年全球医疗人员预计缺口将达1100万，高收入国家与低收入国家人均医疗支出相差875倍。在他看来，全球医疗的核心矛盾就是供给不足、分配失衡，所有医疗创新都要从这里出发。

这套“AI原生诊疗操作系统”里，有54位AI医生、数百万个超拟真AI患者，覆盖超20个临床科室及上万种疾病。在MedQA数据集上，AI医生的测试准确率超过96%，人类专家的平均成绩是87%。

更受关注的是它的“双层进化架构”：AI医生先在一个由海量AI患者构成的虚拟世界里接受高通量训练，一天能完成上万例问诊；水平达标后再部署到实体医院，与真人医生形成伴生协作，在真实诊疗中继续进化。

乔宇宸解释说，AI患者不是把真实病例简单拿来复用，而是依据医学指南和文献生成的合成数据，这样一来从源头上避开了隐私合规风险，算力消耗也比传统大模型的训练方式低得多。

这套底座的技术源头，是清华大学刘洋教授团队的可进化智能体技术。国际权威学术期刊《Nature（自然）》曾刊文，把清华大学团队打造的Agent Hospital（紫荆AI医院）作为中国AI Agent落地医疗领域的核心案例进行报道。

发布会当天，巴基斯坦瑞法国际大学校长通过视频宣布，双方已建立战略级合作关系，希望Agent Hospital助其建设巴基斯坦第一家人工智能医院。

一位急诊科医生表示，智能体永远看不到它理解的知识之外的东西，可医生要看到的是一个整体，再据此排出最正确的处置顺序。

另一位神经外科医生看重的则是术前讨论环节的变化：Agent参与记录和总结讨论内容，工作量差不多能省下一半，遗漏也少了。

联想之星合伙人陆刚认为，智能体出现后，医生的学习曲线被大幅缩短，展业成本也明显降低，供给侧的问题可以比较好地开始解决。关键是要找到四两拨千斤的那个点，而不是均匀使力。

一位临床医生表示，AI是工具，作用是放大医生的能力，而非取代医生；信息处理的问题由AI解决，人的疾病问题由医生解决。最理想的状态是AI把繁杂事务接过去，医生专心看病，双方共同服务患者。