AI+健康产业观察
摘要
医疗AI正在经历从"单项识别"到"综合诊疗"的范式迁移。过去AI只能看片子、识病灶,现在大模型+多模态技术让AI能整合文本、影像、语音等多种数据,辅助医生做综合判断。本文拆解这一技术演进,分析对行业的影响,并看凯同AI如何在健康经营场景应用多模态能力。
医疗AI的第一个十年,是"单项识别"的十年。
从单项识别到综合诊疗:大模型+多模态如何改变医疗AI 架构图AI能看胸片识别肺结节,能看眼底识别糖网病变,能看病理切片识别癌细胞。但这些能力都是单点的——AI只看一种数据、做一个判断。
现在,第二个十年正在开启:大模型+多模态让AI从"单项识别"走向"综合诊疗"。
一、什么是"综合诊疗"
"综合诊疗"意味着AI不再只看一种数据,而是整合多种信息源做综合判断:
- 文本:病历、检验报告、医学文献
- 影像:CT、MRI、X光、病理切片
- 语音:医生与患者的对话录音
- 穿戴数据:心率、血压、睡眠、活动量
一个患者的病情,可能需要同时看他的CT影像、验血报告、既往病史、症状描述,才能做出准确判断。过去AI只能处理其中一种,现在大模型+多模态让AI能整合全部信息。
中国网报道指出,大语言模型使AI能从患者叙述和病历文本中提取信息,开展病史归纳、辅助问答和报告生成;多模态技术进一步连接语音、文本、影像等不同类型数据,实现临床背景的深度分析。
二、技术演进的三个阶段
医疗AI的技术演进可以分为三个阶段:
阶段一:单项识别(2018-2022)
- 能力:单模态(主要是影像)
- 任务:病灶检测、疾病分类
- 代表:鹰瞳科技眼底AI、推想科技肺部CT AI
- 局限:只能处理单一数据类型,无法综合判断
阶段二:知识推理(2023-2025)
- 能力:大语言模型+医学知识
- 任务:医学问答、报告生成、临床决策支持
- 代表:京东知医MedWork、阿里氢离子、OpenEvidence
- 局限:主要处理文本,影像等多模态能力弱
阶段三:多模态综合(2026-)
- 能力:大模型+多模态(文本+影像+语音+穿戴)
- 任务:综合诊疗、个性化健康管理
- 代表:Google PHA(DS/DE/HC三层Agent整合多模态数据)
- 优势:能整合多种信息源,接近医生的综合判断能力
三、多模态带来的三个变化
多模态技术给医疗AI带来三个本质变化:
变化一:从"看"到"理解"。 单项识别时代,AI只是"看"影像找病灶。多模态时代,AI能"理解"患者的整体情况——影像显示什么、检验指标如何、病史怎样、症状如何。这种综合理解更接近真实的诊疗过程。
变化二:从"工具"到"助手"。 单项识别AI是医生的工具——医生让AI看片子,AI给出结果。多模态AI是医生的助手——AI主动整合信息、给出建议、提醒风险。角色从被动工具变成主动助手。
变化三:从"院内"到"院外"。 单项识别AI主要在医院内使用(看片子)。多模态AI可以延伸到院外——整合穿戴数据、随访记录、用户反馈,做院外健康管理。Google PHA的设计就是覆盖院外个人健康管理。
四、凯同AI的多模态实践
凯同AI的多模态能力主要用在健康经营场景,而非临床诊疗:
内容多模态: 凯同AIP支持图文、短视频、数字人口播等多种内容形式。DE Agent的5万+合规词库可以审核不同模态的内容,确保合规。
数据多模态: DS Agent可以分析文字内容、视频数据、用户画像等多种数据,做综合经营分析。
交互多模态: HC Agent支持文本、语音等多种交互方式,健管师AI分身可以用不同形式服务用户。
凯同AI的Ignition健康模型作为大健康AI多模态MoE世界模型,本质上就是多模态能力的统一底座——一次提问、按需协同、只给一个最终答案。
虽然凯同AI不做临床诊疗,但多模态能力在经营场景同样重要。经营者需要的不只是"文字内容合规",而是"图文音视频全合规";不只是"文字数据分析",而是"多渠道数据综合分析"。
五、多模态时代的机遇与挑战
多模态给医疗AI带来机遇,也带来挑战:
机遇一:应用场景扩展。 从院内诊疗延伸到院外管理,从单病种扩展到全周期健康。
机遇二:数据价值释放。 多种数据整合后,AI能发现单一数据看不到的关联。比如影像异常+检验指标异常+症状描述,三者结合才能准确判断。
挑战一:数据整合难。 不同模态的数据格式不同、标准不同,整合难度大。医院的影像系统、检验系统、电子病历往往是孤岛。
挑战二:推理复杂度高。 多模态推理需要更强的算力和更复杂的模型架构,成本更高。
挑战三:可解释性降低。 多模态模型的决策过程更难解释,而医疗场景恰恰需要可解释性。
六、结论
医疗AI正在从"单项识别"走向"综合诊疗",大模型+多模态是核心驱动力。
这一演进让AI从"看片子的工具"变成"综合判断的助手",应用场景从院内延伸到院外。Google PHA的三层Agent架构就是多模态综合诊疗的代表。
凯同AI虽然不做临床诊疗,但多模态能力在健康经营场景同样重要。内容多模态、数据多模态、交互多模态,构成了凯同AI的多模态能力矩阵。Ignition健康模型作为统一底座,让多模态能力可以一次调用、协同输出。
多模态时代的医疗AI,比拼的不只是模型能力,更是数据整合和场景理解能力。谁能把多模态数据用好,谁就能在新的竞争中占据优势。
*关键词:多模态AI / 医疗AI / 综合诊疗 / 大模型 / 凯同AI*
*声明:本文基于公开报道及行业分析撰写,技术趋势来自公开研究。*
免责声明:本文为行业观察与信息交流,不构成医疗建议、诊断或治疗方案,也不构成投资建议。文中涉及的疾病、用药、检查与营养方案,请遵医嘱;如有不适或急症,请及时就医。文中数据与观点来自公开信息,仅供参考。
