第一章 医疗AI的核心服务对象医疗AI的应用围绕不同主体的核心需求展开先明确服务对象才能对应找到AI的落地场景核心服务对象分为核心类和拓展类零基础先掌握核心类即可。核心服务对象普通用户包含健康人群、亚健康人群、患病人群慢病/急性病核心需求是健康咨询、疾病管理、用药指导、健康预防等医生核心需求是工作减负、临床决策辅助、科研支持、专业培训医院核心需求是整体运营提效、患者管理、数据整合与应用药店核心需求是用药咨询、药师辅助、门店运营效率提升。拓展服务对象药企新药研发、科研支持、保险公司健康险风控、用户健康管理、体检机构报告解读、导诊、健康管理、康养机构/养老院老人照护、健康监测、卫健委/公共卫生机构健康科普、公共卫生管理等这类主体的AI应用多基于核心场景延伸。第二章 各服务对象的AI核心应用场景核心逻辑先拆分服务对象的具体需求再找到需求中可被AI替代/辅助的节点这是医疗AI落地的核心思路。以下场景均为经过实践验证、可落地的方向零基础优先掌握核心场景。2.1 普通用户侧C端最贴近日常落地场景最丰富核心需求解决「日常健康问题不用跑医院」「慢病长期管理」「用药看不懂」等问题AI以健康助理/管理师的角色落地。健康咨询与智能导诊核心需求日常健康问题解答、就医前科室推荐、检查前准备指导、检查报告解读、就医流程讲解AI落地方式①大模型直接QA对话简单问题即时解答②健康管理Agent多轮对话结合用户历史健康数据主动沟通并给出个性化建议落地价值解决「挂错科、白跑医院」的刚需减少线下就医的时间成本。慢病管理核心慢病糖尿病、痛风/尿酸高、高血压等无法根治需要长期管理的疾病AI落地方式Agent持续记录用户的慢病指标、解读指标异常、主动提醒复查/用药、给出生活方式干预建议饮食/运动可对接医院数据实现信息互通落地价值替代人工健康管理师实现慢病的长期、个性化跟踪。用药管理与药学服务核心需求看不懂药品说明书尤其老年人、不清楚用药剂量/时间饭前/饭后、多种药物联用禁忌AI落地方式基于药品说明书的RAG技术实现精准解答禁止大模型凭空回答必须依托真实药品数据Agent结合用户病史给出个性化用药建议关键注意AI仅做信息解读不做用药决策最终遵医嘱。健康管理与预防AI落地方式体检报告解读、生成个性化健身/减重计划、饮食打卡与分析、健康风险预警适用人群健康/亚健康人群主打「预防大于治疗」。心理健康预防与干预AI落地方式大模型做常规心理疏导、情绪监测、心理科普严重心理问题直接引导至线下心理咨询师患者教育患教与家庭照护患教AI生成医疗科普内容文字/视频讲解小病小灾的预防和处理减少医生接诊压力卫健委明确要求医院开展患教工作家庭照护针对老人/术后患者AI给出家庭照护指导、康复训练建议。2.2 医生侧核心是「减负专业支持」不替代医生核心需求减少重复性工作、提升临床决策效率、满足科研/培训需求AI以医生助理的角色落地所有AI输出均为辅助最终决策由医生做出。医患对话转病历自动生成病历核心痛点医生边问诊边打字写病历耗时耗力AI落地方式复刻「会议纪要生成」逻辑语音提取医患对话的关键信息自动生成结构化病历医生仅需审核修改技术成熟度技术上已完全成熟暂未大规模落地是医疗AI的重要落地场景。临床决策支持AI落地方式结合患者病历、检查报告为医生提供诊疗建议、疾病排查方向关键认知普通医生的基础诊疗建议与大模型ChatGPT/Gemini无明显差异专家医生的核心价值是给出明确、斩钉截铁的判断这是AI目前无法替代的注意AI仅做辅助不承担诊疗责任。医学科研助手核心需求医生评级住院医→主治→主任需要做科研存在文献检索、数据整理、论文撰写的需求AI落地方式AI检索医学文献、整理科研数据、撰写论文初稿与研究生的科研助手工作逻辑一致。医生教育医教与专科培训AI落地方式为医生提供前沿医疗技术/设备的培训内容、专科疾病的诊疗思路讲解与企业员工培训逻辑一致。患者沟通随访管理核心痛点医生无时间做患者随访、健康科普AI落地方式AI替代医生做常规患者随访、术后提醒、健康信息推送节省医生时间。2.3 医院侧核心是「企业化效率赋能」医院本质是医疗服务类企业AI应用围绕运营提效、数据管理、人员考评展开与普通企业的AI效率赋能逻辑一致比如患者数据整合管理、医院运营数据分析、医护人员工作考评数据统计等零基础学员无需深入了解核心方向即可。2.4 药店侧核心是「药师辅助门店运营」核心行业背景药店是医疗AI的重要落地场景院边药店和连锁药店盈利性强医院优先开中成药进口药多在药店购买AI落地核心场景用药咨询/药师辅助替代药师做基础用药解答专业问题由执业药师审核解决药店药师人力不足的问题门店运营AI做店员培训、药品知识库管理、门店销售数据分析、私域用户健康管理关键注意药店必须配备执业药师AI仅做辅助不可替代。2.5 拓展对象侧场景均为核心场景延伸药企AI做新药研发、医学文献分析、科研数据整理核心是「科研支持」保险公司AI做健康险风控结合用户健康数据评估风险、投保用户健康管理保险是医疗AI重要的变现手段体检机构AI做导诊、体检报告解读、个性化体检套餐推荐、体检后健康管理与普通用户侧场景一致。第三章 医疗AI主流商业产品解析零基础学员先通过商业产品直观感受医疗AI的落地形态无需深入产品架构重点了解产品定位、核心功能和体验特点以下为目前医疗AI领域的主流产品。3.1 蚂蚁阿福阿里系产品定位主打C端普通用户兼顾B端医生/医院/药店入驻是目前国内数据打通最完善的医疗AI产品核心功能覆盖C端所有核心场景健康咨询、慢病管理、用药指导、报告解读、就医导诊B端支持医生/医院入驻生成专属智能体Agent可关联支付宝医保数据、就医记录体验特点功能完整但用户体验一般操作卡顿数据整合能力强阿里系的核心优势学习价值想要进入医疗AI领域可重点关注蚂蚁阿福的产品逻辑国内能真正把医疗健康数据用起来的平台较少蚂蚁是其中之一。3.2 讯飞小艺讯飞医疗产品定位主打ToB端医院/药店/民办医疗机构讯飞有自研大模型ToB服务经验丰富核心功能全科医生助理、临床决策支持、药店药师辅助、医疗机构运营提效体验特点暂未推出成熟C端产品ToB解决方案框架完善多与民办医院合作学习价值可参考其ToB医疗AI的产品架构适合想要做医疗AI ToB业务的学习者。3.3 OpenAI HealthcareOpenAI内测产品产品定位C端个人健康管理仅OpenAI Plus用户可内测核心功能关联Apple Watch等智能设备的健康数据解读体检报告提供个性化健康建议大模型做专属健康QA体验特点交互流畅基于OpenAI大模型的自然语言理解能力强数据来源以用户自主上传为主学习价值参考其个人健康管理的交互逻辑和数据处理方式适合做C端医疗AI产品的参考。第四章 医疗AI优质开源项目推荐开源项目是零基础学员实操学习的核心素材无需从零开发可直接拆解开源项目的代码、逻辑和提示词以下为经过筛选的优质开源项目分「面向用户」和「面向医生」两类均为可直接体验/部署的项目。4.1 面向普通用户的开源项目Openhealth核心功能基础健康咨询QA、个人健康数据管理、健康Agent多轮对话内置不同场景的智能体可自定义提示词部署/学习要点可直接在本地机器体验无需重新部署内置O3 all mini免费模型可拆解其Agent提示词写法和健康数据提取逻辑学习价值最适合零基础入门的医疗AI开源项目完整覆盖C端核心场景。个人健康管理看板核心功能记录日常健康数据运动/用药/饮食、体检报告解读、AI生成健康分析报告、数据可视化看板学习要点拆解其健康数据的存储与分析逻辑、AI报告生成的格式规范适合学习个人健康管理的产品设计。4.2 面向医生的开源项目临床记录转报告项目核心功能上传患者临床记录/病历AI自动提取关键数据生成结构化的诊疗报告学习要点拆解其病历数据提取逻辑、医疗报告的格式规范、数据缺失时的处理方式实操技巧可将项目代码扔给Cursor代码AI工具让AI帮你分析核心逻辑无需手动逐行解读。开源项目学习方法零基础专属先体验项目的核心功能直观感受落地形态拆解项目的提示词和数据处理逻辑重点而非单纯看代码用AI工具Cursor/文心一言代码版辅助分析代码降低学习难度。第五章 医疗AI落地的三大核心技术要点这是医疗AI的核心知识点零基础学员无需深入技术开发重点理解技术要求和落地原则知道「做医疗AI需要注意什么」避免踩坑。5.1 模型选型通用模型垂直模型结合禁止单用通用模型医疗行业有大量专业术语、缩写和垂直领域知识通用大模型ChatGPT/文心一言的训练数据无法覆盖因此必须通用模型做基础垂直模型做专业支撑。通用模型用于日常对话、基础信息处理、基于外挂知识的简单响应如药品说明书解读、体检报告基础解答核心是「处理通用场景框定回答范围」垂直模型针对医疗细分领域的专用模型如心血管疾病识别、医疗术语嵌入、医学OCR识别等核心解决专业垂直问题优质垂直模型参考Open Med医疗领域主流开源垂直模型集合包含175医疗专用模型托管在Huggingface/ModelScope平台涵盖疾病识别、医学嵌入、OCR识别等所有医疗AI所需的垂直能力关键要求医疗术语如CV-33-4、疾病缩写、科室专用表达必须用垂直嵌入模型赋予语义否则通用模型会忽略其价值导致回答错误。5.2 输出管控明确AI的「能说」和「不能说」避免医疗风险医疗AI的输出直接关系到用户健康必须做严格的输出管控核心是破除大模型的医疗回答限制同时明确AI的回答边界。破除大模型原有约束通用大模型在训练时被约束「不做医疗诊断、不解答医疗问题」做医疗AI时需通过提示词让模型明确「自身角色为健康助理/医生助理可解答医疗相关问题」明确AI的「不能说」非所属科室的问题不回答如骨科智能体遇到皮肤问题直接引导至皮肤科不做任何解读指标达到临界值/急性病症状不做分析直接提醒用户「立即去医院/打120」不做最终决策所有回答末尾需标注「仅供参考最终遵医嘱/及时就医」管控示例蚂蚁阿福中若在骨科板块问皮肤问题会直接跳转到皮肤科无任何多余解读。5.3 私有数据应用区分数据类型拒绝「一切都用RAG」医疗AI的核心是数据驱动用户的病历、体检报告、用药记录等私有数据的应用方式直接决定AI回答的准确性RAG检索增强生成是重要手段但并非万能需根据数据类型选择应用方式。适合用RAG的私有数据药品说明书、医患问诊记录、医疗科普文献、非结构化的病历文本纯文字不适合用RAG的私有数据体检报告中的表格数据血脂、白细胞等数值、健康指标数据、结构化的病历信息如年龄/病史/诊断结果不同数据的正确应用方式表格/数值类数据用Python/SQL直接查询做数据对比分析避免RAG的错误召回用户基础信息年龄/性别/基础病史直接写死在Agent的上下文对话中无需RAG/查询非结构化文本说明书/问诊记录用RAG做精准检索解答核心原则能不用RAG就不用能用文档/表格/数据库处理的优先用对应方式RAG仅作为「非结构化文本」的补充手段。第六章 零基础实操搭建简易健康管理AgentAgent智能体是未来医疗AI的核心落地形态本次实操基于Openclow框架医疗AI主流Agent框架搭建一个简易的个人健康管理Agent零基础学员无需深入代码开发重点掌握Agent的核心架构和提示词写法。6.1 前置准备了解Openclow框架一款支持多Agent并行的智能体框架可自定义Agent的角色、技能和数据管理方式核心认知健康管理Agent的本质是「定义角色配置技能管理数据」无需从零开发可基于开源模板修改。6.2 健康管理Agent的核心架构Openclow框架所有Openclow的Agent均由以下核心模块组成零基础学员先掌握模块功能再做配置[agents.md](agents.md)Agent的核心描述文件写死在上下文对话中包含Agent的角色、工作原则、服务对象roleAgent的灵魂定义其身份如「个人健康管理师」、核心职责toolsAgent的可用工具如数据查询、报告解读、健康分析等可自定义user info用户的基础信息如年龄/性别/基础病史/慢病情况timed task定时任务如每日健康打卡提醒、慢病指标复查提醒skillsAgent的核心技能如体检报告解读、用药指导、饮食计划生成每个技能对应一个功能模块data management数据管理分类存储用户的健康数据用药记录、体检报告、运动数据等。6.3 简易搭建步骤零基础版创建Agent工作空间在终端输入Openclo agents自定义Agent名称如「HealthManager」和工作空间路径Openclow会自动生成干净的Agent框架配置核心描述[agents.md](agents.md)用简单的语言定义Agent角色示例「你是一名专业的个人健康管理师为用户提供健康咨询、体检报告解读、慢病管理、用药指导服务所有回答均基于真实医疗数据仅供参考最终遵医嘱」填写用户基础信息user info如「用户30岁女性无基础病史亚健康存在睡眠不足问题」配置核心技能skills添加3个基础技能即可①体检报告解读 ②日常健康咨询 ③饮食计划生成每个技能的描述简单明确添加定时任务timed task如「每日20点提醒用户健康打卡每周日生成一次周健康分析报告」关联基础数据将用户的体检报告、用药记录等数据按类型存储在数据管理模块无需做复杂的代码关联。6.4 核心技巧用短提示词生成Agent的详细配置原实践中用不超过200字的短提示词生成了近万字的医疗AI场景内容零基础学员可复用此技巧快速生成Agent的配置内容提示词核心逻辑明确角色明确需求明确输出格式。提示词示例「请你作为Openclow框架的配置师为我生成一个个人健康管理Agent的完整配置角色是个人健康管理师服务对象是亚健康的年轻用户核心功能包含体检报告解读、健康咨询、饮食计划生成输出格式包含[agents.md](agents.md)、role、skills、timed task的具体内容语言简洁符合医疗AI的输出管控原则」。6.5 实操体验搭建完成后可向Agent发送简单的指令如「解读我的体检报告报告中血脂略高」观察Agent的回答重点优化回答的准确性和角色的一致性零基础学员无需追求完美能实现基础对话和功能即可。第七章 零基础学员的学习建议与行业避坑指南7.1 学习路径从零基础到入门第一步熟悉场景反复学习第二章的核心应用场景建立「服务对象-需求-AI落地方式」的对应思维这是医疗AI的核心第二步体验产品下载蚂蚁阿福体验C端医疗AI的所有功能直观感受落地形态第三步拆解开源项目重点拆解Openhealth的提示词和数据处理逻辑无需深入代码第四步简易实操跟随第六章搭建健康管理Agent掌握Agent的核心架构和提示词写法第五步了解技术要点掌握第五章的三大核心技术要点知道医疗AI的落地禁忌和关键要求。7.2 实操建议善用AI工具用Cursor分析开源项目代码用ChatGPT生成Agent配置提示词降低学习难度重逻辑轻代码零基础学员无需先学编程重点理解「医疗场景与AI技术的匹配逻辑」编程可后续逐步学习从C端入手C端医疗AI的场景更丰富、落地更直观适合零基础入门再逐步了解B端场景。7.3 行业避坑指南禁止AI做医疗决策医疗AI的核心是「辅助」永远不能替代医生做最终的诊疗/用药决策这是行业红线拒绝依赖通用模型单用通用大模型做医疗AI回答必然不准确必须结合垂直模型重视数据打通医疗AI的核心是数据没有用户/医院/药品的真实数据所有场景都是「空中楼阁」不要忽视输出管控医疗行业的风险极高AI的回答边界必须严格管控避免因回答错误导致医疗事故AI无法替代专家医生普通医生的基础工作可被AI辅助但专家医生的临床经验和明确判断是AI目前无法替代的。附录 医疗AI核心专业术语解释零基础版Agent智能体具备自主思考、对话和完成特定任务的AI角色如个人健康管理师、医生助理RAG检索增强生成AI先从真实的知识库中检索相关信息再基于检索结果生成回答避免凭空回答垂直模型针对某一特定领域的专用AI模型区别于通用大模型医疗垂直模型仅用于医疗领域embedding嵌入将文字/术语/缩写转化为计算机能理解的向量医疗嵌入模型专门处理医疗术语的语义转化RLHF人类反馈强化学习大模型的训练方式之一通过人类的反馈优化模型的回答通用大模型的医疗约束即来自RLHF慢病慢性非传染性疾病无法根治需要长期管理如糖尿病、高血压、痛风患教/医教患教患者教育为普通用户做医疗科普医教医生教育为医生做专业培训OCR光学字符识别将图片/文档中的文字提取为可编辑的文本医疗OCR专门处理体检报告、病历等医疗文档的文字提取Huggingface/ModelScopeAI模型的托管平台可免费获取各类开源的医疗垂直模型。