衡宇 Jay 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

應(yīng)該不只是我家里的長輩天天抱著AI“看病”吧？

這年頭，大家是越來越習(xí)慣把癥狀、化驗(yàn)單、病歷丟給AI了。

正所謂春江水暖鴨先知，身處一線的醫(yī)生們就對這個(gè)事情深有體會(huì)。越來越多患者帶著AI生成的“自我判斷結(jié)果”去醫(yī)院問診，有些醫(yī)生甚至反饋，門診里不少人帶著同一套AI結(jié)論來求證。

患者過度依賴大模型診斷，導(dǎo)致醫(yī)患溝通成本增加。界面新聞采訪的三甲醫(yī)院醫(yī)生就非常無奈：

“上午看了30個(gè)號，25個(gè)病人是帶著AI結(jié)論來的?！?/strong>

雖然許多官媒時(shí)不時(shí)也提醒公眾，通用AI用于醫(yī)療場景存在明顯的不可靠性，但隨著AI技術(shù)精進(jìn)、使用人群越來越廣泛，AI確實(shí)正在進(jìn)入醫(yī)療決策的前置環(huán)節(jié)。

于是一個(gè)分化開始變得明顯起來。

一邊是通用大模型正在成為健康信息的第一入口，另一邊是醫(yī)療行業(yè)不斷強(qiáng)調(diào)，通用模型不適合直接承擔(dān)醫(yī)療判斷。

所以我們討論的話題應(yīng)該再進(jìn)一步，聚焦在“哪一種AI有資格靠近醫(yī)療”？“我們到底需要什么樣的醫(yī)療AI”？

走向“能被病人托付”的醫(yī)療增強(qiáng)大模型M4

落地醫(yī)療場景的AI，必須要基于通用大模型做結(jié)構(gòu)性重構(gòu)與醫(yī)療專項(xiàng)增強(qiáng)，方可真正服務(wù)醫(yī)療。

而百川智能推出的Baichuan-M4，正是在這個(gè)方向上的一次回答。

一直以來，百川在這方面的路徑清晰，從M1到M4，它始終在推動(dòng)通用大模型在醫(yī)療場景的能力邊界。

到了M3階段，這條路線開始真正收斂成體系，形成了一條清晰的能力基線，從而構(gòu)筑起由評測領(lǐng)先、范式原創(chuàng)、貼近臨床與外部驗(yàn)證四大要素共同支撐的信任體系。

M4在這條基線上的進(jìn)一步推進(jìn)。

我們可從最新發(fā)布的技術(shù)報(bào)告中一探究竟。

在最新評測體系中，M4繼續(xù)保持全球領(lǐng)先。

HealthBench綜合得分提升至68.6，Hard任務(wù)提升至49.7，幻覺率進(jìn)一步下降至3.3%。

在更貼近真實(shí)臨床環(huán)境的HealthBench Professional評測中，M4在基礎(chǔ)推理（不接外部工具）得分55.1，顯著高于GPT-5.5的51.8分。

但如果只看分?jǐn)?shù)，這仍然只是連續(xù)優(yōu)化的結(jié)果。

M4真正的變化發(fā)生在能力結(jié)構(gòu)上，它開始從“單點(diǎn)問答優(yōu)化”走向“醫(yī)療過程能力重構(gòu)”。

這一變化，可以拆成四層升級。

會(huì)提問，從單輪問診走向深度診療

真實(shí)問診是個(gè)持續(xù)追問與信息補(bǔ)全的過程。

基于SCAN-bench 2.0體系，M4將訓(xùn)練場景從單次標(biāo)準(zhǔn)化問診擴(kuò)展到多輪訪視與復(fù)雜患者畫像，使模型能夠在信息不完整的情況下持續(xù)推進(jìn)診療路徑。

在動(dòng)態(tài)問診評測SCAN-bench中，M4初診得分79.0、復(fù)診74.7，均明顯領(lǐng)先其他頂尖模型；長上下文臨床記憶得分86.9，較上一代M3提升 21.1 分，為同類最高。

在搭載了M4的百川C端產(chǎn)品百小醫(yī)上，能非常直觀地體現(xiàn)這項(xiàng)技能點(diǎn)的重要性。

張先生半夜突然急性腳痛，打開APP后，百小醫(yī)連續(xù)追問了10輪，逐步鎖定了痛風(fēng)風(fēng)險(xiǎn)。

敲黑板，“連續(xù)追問10輪”。

不是閑聊，它在通過連續(xù)追問補(bǔ)齊病史信息，逐漸縮小風(fēng)險(xiǎn)范圍。

模型在多輪對話中會(huì)持續(xù)追問TA的飲食結(jié)構(gòu)、發(fā)作頻率、用藥歷史以及近期指標(biāo)變化，系統(tǒng)逐步收斂風(fēng)險(xiǎn)判斷路徑，更接近真實(shí)門診的復(fù)診過程。

會(huì)循證，從內(nèi)容生成走向證據(jù)驅(qū)動(dòng)

“有沒有依據(jù)”是醫(yī)療判斷的關(guān)鍵。

在循證這一層，M4構(gòu)建了原子化臨床路徑體系，將復(fù)雜醫(yī)學(xué)指南拆解為1000余個(gè)可復(fù)用臨床決策單元，覆蓋200余種常見疾病的完整診療流程。

在此基礎(chǔ)上，研究團(tuán)隊(duì)還引入了更嚴(yán)格的證據(jù)錨定機(jī)制，使模型輸出穩(wěn)定對齊醫(yī)學(xué)證據(jù)。

很多通用模型也會(huì)在結(jié)論后甩一串文獻(xiàn)，但點(diǎn)進(jìn)去常常對不上——要么引用編號在、內(nèi)容卻是兩回事，要么文獻(xiàn)本身沒錯(cuò)、被引的那段跟結(jié)論不沾邊。

證據(jù)錨定要做的，是讓每一句結(jié)論都能精確落到原文的具體段落，順著就能查到出處。

在Baichuan-EBM評測中，循證引用精度達(dá)到90.0，顯著高于GPT-5.5的54.7。

擁有Harness調(diào)度能力，持續(xù)提供健康管理服務(wù)

如果說問診解決的是單次決策問題，循證解決的是正確性問題，那么調(diào)度與記憶解決的是時(shí)間問題。

M4引入了Harness架構(gòu)。有了這個(gè)神經(jīng)中樞，何時(shí)追問、何時(shí)檢索證據(jù)、何時(shí)調(diào)出既往病史，均由模型自主決定，無需人工逐步指令。

面對文獻(xiàn)檢索、長病史梳理這類繁重任務(wù)，它會(huì)拆分成子任務(wù)并行處理，讓模型專注于整體診療路徑的判斷；而每一步動(dòng)作，都在實(shí)時(shí)的安全約束下完成。

它會(huì)當(dāng)場攔下違規(guī)的工具調(diào)用、越權(quán)的數(shù)據(jù)訪問、不合臨床規(guī)范的操作等不安全的行為。

更重要的是，這套系統(tǒng)不是一次成型，而是在真實(shí)診療中持續(xù)迭代：線上的疑難案例、用戶的追問、醫(yī)生的糾偏，經(jīng)脫敏與歸因后回流，成為模型繼續(xù)改進(jìn)的依據(jù)。

問診、記憶、循證由此被編排成一個(gè)完整的整體，M4也從一個(gè)最強(qiáng)的醫(yī)療大腦，成為能獨(dú)立完成連續(xù)診療的醫(yī)療智能體。

全病程記憶，掌握患者上下文

真實(shí)的診療，很少在一次問診里就結(jié)束。

一次化驗(yàn)結(jié)果、一次用藥后的反應(yīng)、一個(gè)新冒出來的癥狀，都會(huì)隨病情推進(jìn)不斷改寫醫(yī)生的判斷——這意味著，能記住一個(gè)人完整的病史，才能給到患者更為準(zhǔn)確的建議。

針對這一點(diǎn)，M4推出了“全病程記憶”，打通歷史病歷、多輪問診、化驗(yàn)趨勢與用藥反饋，讓模型在多次對話中始終掌握患者是誰、既往有過哪些疾病、各項(xiàng)指標(biāo)如何變化，而不必每次從零開始。

在長上下文臨床記憶評測中，M4取得86.9分，為同類最高，較上一代M3提升21.1分。

記住一個(gè)人完整的病程是精準(zhǔn)醫(yī)療的前提，好多關(guān)鍵價(jià)值都藏在不起眼的隨口閑聊里。

先舉個(gè)比較aha-moment的例子。

提前內(nèi)測的張強(qiáng)（化名），和父母分居兩地。某次家庭群聊天時(shí)，老人隨口提了一句“最近走一圈就喘”。

基于M4模型的百小醫(yī)BOT隨后結(jié)合長期健康記錄與既往病史，提醒可能存在早期心功能不全風(fēng)險(xiǎn)。

然后打了波王牌輔助，輕松幾段話，就勸服張強(qiáng)媽媽就醫(yī)了。

換作只記短時(shí)對話的通用大模型，根本抓不住這種細(xì)碎線索。

在此背景下，百小醫(yī)這類C端產(chǎn)品形態(tài)的價(jià)值，開始出現(xiàn)。

張強(qiáng)媽媽最近很容易喘，百小醫(yī)在參考?xì)v史上下文給出健康提醒后，幫助張強(qiáng)說服老人去了醫(yī)院。

后續(xù)的院內(nèi)檢查結(jié)果，進(jìn)一步印證了此次就醫(yī)決策的必要性。

百小醫(yī)拿到報(bào)告后，還在繼續(xù)幫助張強(qiáng)管理家人的身體健康。

它把醫(yī)生之外那95%的診室外時(shí)間無縫銜接了：提醒、記錄、追問、預(yù)警，并在需要時(shí)把人重新推回線下就醫(yī)。

“主動(dòng)關(guān)心”這項(xiàng)技能點(diǎn)對醫(yī)療而言非常重要。

在中國醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院的75個(gè)患者群測試中，多個(gè)群內(nèi)在27天里共產(chǎn)生6944條對話，百小醫(yī)安全性達(dá)到99.6%，深度互動(dòng)率達(dá)到60%-73%。

通過如此高頻的交互，百小醫(yī)能沉淀足夠多的健康上下文，讓M4在后續(xù)問診、提醒和風(fēng)險(xiǎn)識別中更有連續(xù)性。

某種程度上，這體現(xiàn)了百川想長期做的事情：

用M4提供專業(yè)大腦，用百小醫(yī)在家庭場景建立長期、連續(xù)的醫(yī)療關(guān)系。

最終的應(yīng)用形態(tài)，便是和真人醫(yī)生形成“雙醫(yī)模式”：醫(yī)生負(fù)責(zé)診斷與治療決策，AI負(fù)責(zé)診室外的長期陪伴、信息整理和風(fēng)險(xiǎn)提醒。

醫(yī)療推理能力，保證模型輸出穩(wěn)定性

當(dāng)然，模型能力才是支撐這一切的基石。

在復(fù)雜醫(yī)療問題上，M4進(jìn)一步強(qiáng)化多模態(tài)能力。

在多模態(tài)能力方面，復(fù)雜檢驗(yàn)報(bào)告和化驗(yàn)單的結(jié)構(gòu)化識別得分0.914，能夠較好支持醫(yī)學(xué)影像與結(jié)構(gòu)化報(bào)告理解，使模型在復(fù)雜信息輸入條件下仍保持穩(wěn)定判斷能力。

這一部分能力更多作為補(bǔ)強(qiáng)，保證模型在復(fù)雜醫(yī)療場景中的穩(wěn)定性。

整體來看，M4在M3形成的醫(yī)療專用基線上，完成了一次系統(tǒng)性的能力重構(gòu)。

它讓醫(yī)療AI從“回答問題”走向“參與診療過程”，從“單次交互”走向“連續(xù)托付”。

作為一家通用大模型公司，百川將旗下最強(qiáng)的模型能力投向了醫(yī)療這樣高風(fēng)險(xiǎn)、高復(fù)雜度的場景。

醫(yī)療不是賽道，是一道考題

過去兩年，大模型行業(yè)其實(shí)一直有一個(gè)爭議：醫(yī)療，到底只是大模型的一個(gè)應(yīng)用方向，還是值得單獨(dú)重做一套模型體系？

如今看來，百川的標(biāo)簽，可能首先是“通用大模型”。

只不過他們選了最難的醫(yī)療場景，作為檢驗(yàn)這個(gè)“通用大模型”的考場。

百小醫(yī)——這個(gè)能和患者深度建聯(lián)的C端產(chǎn)品，正是這個(gè)判斷的最佳印證。

它有Chatbot有的一切，但又全棧圍繞醫(yī)療用途重構(gòu)。

因?yàn)樗某霈F(xiàn)，一整套專業(yè)級醫(yī)療模型能力，第一次開始進(jìn)入普通家庭。

這是一件很有意義的事，多年以來，家庭一直是醫(yī)療語境下被忽略的場景，許多珍貴的上下文未能被記錄沉淀。

如今，百小醫(yī)正在填上這一缺口。

• 中國醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院：腫瘤科；
• 首都醫(yī)科大學(xué)附屬北京兒童醫(yī)院：兒科；
• 上海交通大學(xué)瑞金醫(yī)院：呼吸與危重癥醫(yī)學(xué)科。

北兒、東腫、瑞金……百川的AI家庭醫(yī)生，已在最嚴(yán)苛的臨床場景跑通。

而這還只是開始。

再往外延伸，藥企、醫(yī)療器械廠商、體檢機(jī)構(gòu)……這些過去跟患者之間隔著好幾層信息壁壘的角色，未來都有可能通過AI家庭醫(yī)生這個(gè)入口，更精準(zhǔn)地觸達(dá)用戶需求，提供更有針對性的服務(wù)。

一個(gè)圍繞AI家庭醫(yī)生的醫(yī)療健康新生態(tài)，正在長出來。

醫(yī)療從來都不是一個(gè)只屬于醫(yī)院的事情。

它發(fā)生在凌晨三點(diǎn)的焦慮里，發(fā)生在家庭群里那句“醫(yī)生到底怎么說”里，也發(fā)生在很多人看不懂檢查單、卻只能默默回家的路上。

過去這些時(shí)刻，大多數(shù)人只能靠自己。

但如果它真的能讓更多人少一點(diǎn)慌張、少一點(diǎn)信息鴻溝、少走一點(diǎn)彎路，甚至只是讓異地生活的子女，對父母的身體狀況多一點(diǎn)安心……這件事本身，已經(jīng)很重要了。

M4是大腦，百小醫(yī)是身體。

前者證明通用大模型能在最難的醫(yī)療場景里完成專業(yè)推理、循證和長期記憶。

后者，把這種能力送到家庭、微信群和每一次真實(shí)的健康決策里。