医疗机构的AI预算一年翻倍,钱主要花在帮医生写病历的临床副驾驶和接电话排号的前台自动化上。这说明医疗AI开始真金白银落地了,做医疗方向产品的开发者可以看看哪些环节已经有人愿意付费。
AI 医疗与生命科学
August 把 AI 智能体用在了打电话预约医生这件实际事上,还能办保险理赔和处方续药,用户能看到完整通话记录。比一般的健康问答产品更进一步,直接替你跑腿,经常要陪家人看病的人会很需要。
搞医疗影像的朋友可以看看,12000多例颅脑CT的TBI数据集免费开放,训练出血检测或损伤分级模型不用再愁没数据,规模比之前那些几百例的公开集大了一个量级,做基准复现也方便。
npj Digital Medicine 上的新研究,用可解释 AI 把常规痛风临床分型对接到多组学数据和长期健康结局。做医疗 AI 或组学研究的人可以看看它怎么把黑箱模型做成可解释的表型-分子映射。
Accel 和 Peak XV 投了 1200 万美元给 August,这个 AI 会替你打电话挂号、盯保险理赔。过去几周它替用户排队等了 24,286 分钟,帮一人省下 1,255 美元理赔款。被看病流程折磨过的人都能理解它的价值。
Santiago 在 X 上介绍了一个叫 August AI 的医疗智能体,能帮你找医保网络内的医生、管处方和预约复诊。美国就医流程出了名的乱,这种垂直场景的 Agent 比通用助手更实用,做医疗方向产品的可以看看思路。
做客服或接线自动化的团队可以看看这个案例:Fish Audio 语音撑起的 AI 接线员,一个月替家庭诊所接了 4,714 通电话、省下 190 个工时。相比通用语音客服方案,它讲的是小型诊所这种具体场景怎么跑通。
诺和诺德把数百万份受控生产文档接进 Amazon Bedrock AgentCore,用 Neptune 知识图谱加 OpenSearch 混合检索做 GraphRAG,答案带引用可审计。做企业知识库的工程师可以参考这套架构,监管严格的行业尤其适用。
Scale AI 这次没做问诊模型,而是瞄准医院行政和协调这类琐碎工作,出了五个专用智能体。相比 Abridge、Epic 主攻医疗文档,它从运营侧绕开了临床高风险场景,做医院管理或医疗科技的人可以看看切入点选得怎么样。
DeepMind 晒了 AlphaProof 的三个真实案例:几周内数学证明 Signal 的密码学代码安全,还把蛋白质序列检索量提升 40 倍。搞形式化验证或生物信息的朋友可以看看这条推,了解推理模型在审计场景能干什么。
Sequoia 和 Accel 投的 August 已经服务 950 万用户,它会替你打电话约医生、对比 GoodRx 药价、跟保险公司掰扯拒赔账单,还给你通话录音。做 AI 电话智能体的团队可以研究它的场景切入,在美的朋友更是能直接用。
Google Cloud 自己的人出来承认医疗 AI 卡在试点阶段,说明问题不是模型不行,而是合规、集成和成本这些脏活没人干。做医疗信息化或 B 端 AI 生意的人应该看看,别只盯着演示效果立项。
DeepMind 一口气发了 7 个东西:Gemini 4 Carbon/Hydrogen 两个新模型、决策类 Decisions API、可自托管的智能体沙箱,还有 Robotics 2.5 和 AlphaGenome 2。想在自有环境跑智能体的团队应该重点看自托管沙箱,这在同类厂商里不多见。
Apple 拉上 OpenEvidence 这个临床引用型搜索平台,专门研究用户为什么信/不信健康 AI 的回答。这等于 Apple 在为进入健康问答场景铺路,做医疗 AI 产品的人可以关注他们定义的评估维度。
Apple 的健康 AI 团队找上 OpenEvidence 做研究,一个手里有海量用户健康数据,一个擅长医学文献检索,两边凑一起挺有意思。做健康类产品或关心数据打通方式的人可以点进去看看原推和研究链接。
阿里云这次放出了 Qwen4-Max,Model Studio 和 QwenCloud 都能调 API,还有 Token Plan 按量计费。官方说它能跑 3D 建模、金融、法律这些复杂活,但没给跑分。做行业应用的开发者可以先去试试实际表现。
阿里把 Qwen4-Max 的上下文做到了 1M token,还把隐式缓存价格砍了 70%,长文档和 Agent 任务的成本压力小很多。跟 Qwen3.8-Max 比省一半 token,跑长流程、做批量处理的开发者可以直接去 QwenCloud 试试。
不同医院化验单格式乱七八糟,这个开源工具能自动归类 6 万多种指标。数据全留在本地 16G 电脑上就能跑,还能接 Garmin 和 Oura,家里有长辈体检报告的可以试试。
Viz.ai 和 Wolters Kluwer 把 UpToDate 塞进了急症协作 AI 里,医生处理卒中这类病例时能直接查循证资料,不用切系统。做医疗 AI 产品或医院信息化的人可以看看这种集成思路。
做医疗文档的 Suki 把产品升级成智能体操作系统,还敢给性能兜底,这在医疗AI里不常见。做企业级 agent 的人可以看看它怎么设计统一入口和责任承诺。医疗行业从业者尤其值得了解同行在往平台化走。
OpenAI 拉上 CVS Health、Cigna 和 Ambience,让 AI 直接操作 EHR 和保险门户,不用 API 也能干重复活儿。做医疗信息化或 RPA 的朋友可以留意这个方向,别家模型厂商还没这么大规模进医疗界面自动化。
OpenAI 让智能体直接操作电子病历软件,靠屏幕识别加点击就能干活,不用医院改造老系统。和传统 RPA 比少了很多配置成本。做医疗信息化或者考虑自动化行政流程的团队值得看看权限和审计怎么设计。
OpenAI 给 ChatGPT for Healthcare 加了 computer-use 智能体和 healthcare plugins,能直接操作医院现有软件干活,不再只是问答。做医疗信息化或医院 IT 的朋友可以看看它和 Epic 等内置 AI 的差异。
KPCB 传奇投资人 John Doerr 给一家叫 Tom Health 的医疗 AI 公司站了台,这家公司以他已故兄弟命名,做的是初级医疗里的 AI 工具。医疗 AI 一直比通用模型更难落地,他这种级别的人亲自下场投资值得看看细节。关注医疗科技和 AI 商业化方向的人可以读读。
这条值得看:华为云亮出底牌,80% 国内具身智能公司都在用昇腾训练。新模型 CloudRobo-WM1.2 在 RoboTwin 2.0 和 Libero Pro 2.0 都是第一。做机器人、想搞国产算力方案的人重点看数据。
苹果这次没自己上模型,而是借 OpenEvidence 的医学文献问答能力,直接问 20 万个真实用户怎么用健康 AI。参与门槛写得很清楚,iPhone 15 Pro 加 iOS 26 就能报名。关心医疗 AI 落地和苹果健康布局的都该看看。
做医疗AI或临床智能体的开发者值得看:它量化了模拟预测何时该闭嘴。用支持度加集成分歧双重门控,MAP误差从9.2降到7.3 mmHg,代价是覆盖率从99.5%缩到81%。想学怎么给高风险场景的智能体加安全阀,这篇结构很清晰。
做高风险 AI 系统的工程和合规团队值得看:论文用 32 人的真实研讨找出了公平性指标掩盖歧视、人类监督失效这类细节问题,比泛泛解读 EU AI Act 条文的文章落地得多。
这篇综述把远程患者监测到 agentic 机器人的演进路径讲得很系统,结论是落地远比宣传慢,多数还停在试点。医疗机器人怎么做 embodiment、人类监督和治理,文中给了框架,做医疗 AI 产品或机器人的人值得对照自查。
搞医疗AI或睡眠监测的值得看:研究在 Sleep-EDF 和 DREAMT 两个数据集上实测了五种解释方法,发现 Integrated Gradients 的归因和 AASM 频段最吻合,直接告诉你该选哪个方法。
虚拟细胞这个方向刚拿了国内单笔最大的 Pre-A,亿元级别。他们家 OCOO-T 在 Tahoe100M、Replogle 这几个单细胞扰动基准上跑出了领先成绩,思路是用模型预测细胞响应再靠自动化湿实验验证。做 AI4S、药物研发的可以关注这套大模型加湿实验的闭环打法。
越南一年一度的科技盛会,8 项活动里有颁奖、AI 和医疗专题讨论。想了解越南科技圈动向或找东南亚合作机会的,可以看看这周议程。
字节跳动把 AI 使用门槛往下压了一层,不用你写提示词,进金融投研工作台就能直接做公告解读和业绩分析,还接了万得、同花顺的数据。做投研、设计或教育的可以试试,自建工作台还能分享给同事。
搞生信或病理AI的朋友可以看看这篇:GeneFlow 用流匹配直接从病理图像预测上千个基因的空间表达,比传统固定小面板的方案在1,000基因上提升56.8%,计算成本还降了几个量级。代码开源了,做临床影像建模的团队可以直接上手试。
临床 ML 常见的小样本过拟合和缺失数据不确定性问题,这篇用流行病学约束加闭式传播来解,速度比 Monte Carlo 快百倍。做医疗 AI 或风险建模的工程师可以看看这套两阶段设计怎么落地。
阿里这波是真的把腾讯和 DeepSeek 都压下去了,Agent 排行榜冲到全球第 14,成本还降了 60%。做智能体应用的开发者可以先把 API 拿来跑跑,1M 上下文加这个价格,比 Qwen3.8-Max 划算不少。
250 名医生、750 组对比,MedGPT 在 88% 的复杂肺癌病例判断上赢了独立诊断的医生。数字看着猛,但评分是 AI 打的、数据还是公司自报的,看看它怎么设计的多中心试验也挺有意思。
这篇帖子把“模型变强”拆成了配套系统改进和真实解题能力两件事来看,300 多条评论里正反双方都给出了具体案例,比如生物领域差错率一年内降到可用。做生产系统或纠结要不要追新模型的工程师,能从这些争论里找到不少可对照的经验。
Qwen4-Max 上下文做到 1M token,缓存价格砍了 70%,长任务和文档处理的成本明显更低。做长文档、Agent 和批量处理的同学可以先在 QwenCloud 上试跑,再等开源小模型出来一起看。
Apple 又发了个研究 App,这次研究的是大家平时怎么用 AI 问健康问题。以前他们靠 ResearchKit 研究心脏和女性健康,这次盯上了 AI 使用行为。做医疗 AI 产品的人值得看看,Apple 的数据方向往往就是下一代功能的方向。