88天登錄193次！頂級證據(jù)+循證醫(yī)學，讓500萬中國醫(yī)生擁有神助攻

編輯｜吳昕

凌晨 1 點，某三甲醫(yī)院急診科，一位 62 歲的男性被緊急送入，他正經(jīng)歷急性 STEMI 并發(fā)急性心衰。血壓飆至 185/105 mmHg，血氧僅 91%。護士已推來除顫儀，催促醫(yī)生「心電捕手」確認替格瑞洛劑量。

患者腎功能受損，標準劑量極易引發(fā)致命腦出血，而減量又擔心支架再被血栓堵塞。在浩瀚的指南與文獻中尋找劑量調(diào)整條款，醫(yī)生只有短短 3 分鐘——對他而言，這三分鐘漫長得仿佛一個世紀。

深夜，珠江醫(yī)院胸外科主任喬貴賓仍伏案辦公，為一位罕見肺病患者設計后續(xù)方案。對身兼胸外科主任、主任醫(yī)師和博導的他來說，每天平均工作超過 10 小時，加班處理疑難病例幾乎成為常態(tài)。

「沒有哪個國家的醫(yī)生承受這樣的超級壓力?！辜o錄片《中國醫(yī)生》總導演在專訪中說過的一句話，高度概括了醫(yī)生們的日常工作現(xiàn)實。

公開數(shù)據(jù)顯示，2024 年，全國醫(yī)療衛(wèi)生機構(gòu)總診療人次達到101.5 億，其中三級醫(yī)院診療量為 28.7 億，病床使用率接近九成。而全國 508.2 萬執(zhí)業(yè)（助理）醫(yī)師，卻要支撐這百億級的診療需求。每一次開處方、下醫(yī)囑、做檢查、規(guī)劃手術方案，幾乎都需醫(yī)生決策。

更復雜的是，醫(yī)學知識更新速度很快。以 PubMed 為例，已收錄超過 4000 萬條生物醫(yī)學文獻，每年仍新增百萬級條目。對醫(yī)生而言，壓力不僅來自患者與診療數(shù)量，更來自高負荷工作中不斷追趕最新證據(jù)與指南的挑戰(zhàn)。

在這種結(jié)構(gòu)性困境下，醫(yī)療的核心問題并非「撮合就診」，而是醫(yī)生的決策供給——互聯(lián)網(wǎng)醫(yī)療可以提升就診效率，卻觸及不到這一結(jié)構(gòu)性痛點。而這，正是醫(yī)學 AI 能夠真正放大的空間。

DeepSeek們，

為什么一進醫(yī)療科研就翻車？

過去一年，大模型幾乎席卷了各行各業(yè)，醫(yī)療領域也不例外。行業(yè)對醫(yī)學 AI 的期待迅速升溫，中國醫(yī)生成為擁抱大模型最為積極的群體之一。但與此同時，一個越來越明顯的困境也擺在了大家面前：一旦通用大模型進入嚴肅醫(yī)學場景，它的能力往往迅速塌陷。

最讓醫(yī)生頭疼的是「幻覺」問題。比如，它會虛構(gòu)文獻。當你想查看原文、復核數(shù)據(jù)時，即使明確要求提供準確的 DOI 號（類似文本的身份證號），也經(jīng)常發(fā)現(xiàn)鏈接是錯的，點開完全是另一篇文章。

通用大模型的高幻覺率，始終是個棘手的困擾。

喬貴賓和同事都在工作和私底下用過通用大模型，高幻覺率始終是個棘手的困擾。像胸外科這樣極度硬核的診室，一個杜撰的結(jié)論，危害不亞于誤診。

最近，一項發(fā)表在英國皇家外科醫(yī)學院官方期刊上的研究【1】，也進一步印證了醫(yī)生們的擔憂：某些主流人工智能平臺生成的醫(yī)學參考文獻中，超過三分之一可能是偽造的。例如，Grok 3 的引用幻覺率高達 33.6%，DeepSeek DeepThink 為 25%。

這些「幻覺引用」看起來非常真實，甚至帶有虛構(gòu)的 Mayo Clinic （梅約診所）鏈接或極具誤導性的學術標題。

研究還發(fā)現(xiàn)，近半數(shù)頂尖模型在回答醫(yī)學問題時，默認并不會清晰披露信息來源。

而這些，恰恰與醫(yī)生日常工作的核心相悖：循證（基于證據(jù)做決策)——我如何知道我的推理和決策是有理可據(jù)的，是權(quán)威的，是準確的？尤其是那些涉及到我知識盲區(qū)的證據(jù)。

這時候，能快速、準確地找到權(quán)威依據(jù)來支撐判斷，最剛需、也最頭疼的事。而本質(zhì)上基于概率文本生成的通用大模型，并不天然具備這種場景下的「循證」能力。

從多個維度測試國內(nèi)某頭部通用大模型在回答醫(yī)學科研問題時是否可靠，結(jié)果讓人擔憂。

為了解決這一難題，業(yè)界普遍將檢索增強生成（RAG）奉為圭臬，認為它能通過檢索外部患者病歷來糾正大模型的信口雌黃。最常采用的方案就是將病歷、指南、論文切片后灌進向量數(shù)據(jù)庫，再通過檢索增強生成，讓模型「帶著資料回答」。

至于效果？最新研究給出了一個相當反直覺的結(jié)論。

這份發(fā)表于權(quán)威醫(yī)學預印本平臺 medRxiv 的論文顯示，在醫(yī)學臨床文本生成中，加入 RAG 技術后，大模型的無依據(jù)聲明率（Unsupported claim rate，即幻覺率）從基線狀態(tài)下的 5.0% 劇烈飆升至 43.6%。這意味著 RAG 讓醫(yī)學 AI 犯下事實性錯誤的概率增加了整整 8.7 倍?！?】

為什么會這樣？因為臨床文本并不是普通知識庫。

它高度非結(jié)構(gòu)化，充滿上下文依賴、時間敏感信息和相互沖突的證據(jù)。不同患者、不同時間點的醫(yī)學術語重疊度極高。RAG 很容易檢索出「語義上高度相似，但實際上屬于其他患者，或?qū)e誤時間點」的病歷片段。

也就是說，它找到了「看起來相關」的資料，卻未必找到了「真正適用」的證據(jù)，而大模型會以此為據(jù)、憑空捏造當前病人的虛假醫(yī)學敘事。

如何確保模型找到的是對的證據(jù)、用的是對的上下文、給出的是能被醫(yī)生復核的判斷？如何讓每一次回答都綁定在可信證據(jù)鏈上？

這正是深耕醫(yī)學健康十多年的阿里健康，想要破局的地方。

一切為了可靠，「氫離子」破局關鍵一環(huán)

5 月 13 日，阿里健康把「氫離子」正式推到了臺前。這是一款面向臨床和科研醫(yī)生的醫(yī)學 AI 產(chǎn)品。發(fā)布會上，阿里健康同時宣布，氫離子與國家級醫(yī)學頂刊達成獨家內(nèi)容合作。

產(chǎn)品設計上，AI被放在了最后，而定語首先是證據(jù)、循證。

氫離子與國家級醫(yī)學頂刊達成獨家內(nèi)容合作。

按照官方定位，「氫離子」想解決的是「中國 500 萬醫(yī)生的一切醫(yī)學問題」。 「低幻覺、高循證」是它最核心的能力標簽：所有回答均提供權(quán)威出處，支持一鍵溯源、直達信源。

「在嚴重幻覺率上，我可以給大家一個定性的結(jié)論，我們比國內(nèi)的競品領先2-3倍?！拱⒗锝】?CTO 祥志說。

這很容易讓人聯(lián)想到醫(yī)學界的「神器」UpToDate，也就是 UTD。很多醫(yī)生在查房、開藥、處理疑難病例或準備科研資料時，都會依賴 UTD 這類循證醫(yī)學決策支持系統(tǒng)，快速找到權(quán)威、可靠的決策依據(jù)。

但與傳統(tǒng)工具相比，「氫離子」使用門檻要低得多。醫(yī)生可以通過自然語言、多輪對話，甚至語音和圖片等多模態(tài)方式提問，就像和同事討論病例一樣，把問題直接拋給 AI，它會結(jié)合上下文持續(xù)理解和回應。

在正式發(fā)布前，氫離子已完成內(nèi)測并開放下載。醫(yī)生的反饋最集中的關鍵詞是「可信」和「可靠」，尤其是對「循證問答」評價極高。一位三甲急診科主任醫(yī)師試用后，在 88 天內(nèi)登錄已高達 193 次。

為了確認替格瑞洛劑量，急診室醫(yī)生「心電捕手」打開「氫離子」，飛快輸入「急性 ST 段抬高型心梗合并急性心衰，PCI 術后替格瑞洛劑量調(diào)整（eGFR65）」。

「心電捕手」在某醫(yī)療社區(qū)的發(fā)言。

AI 不僅明確推薦負荷劑量 180mg，維持劑量 90mg bid，還加粗標注了依據(jù)來源——中華醫(yī)學會 2025 年最新治療指南。點擊后，可以直接查看電子化指南原文，不再需要翻找笨重的 PDF 文件。

更關鍵的是，「氫離子」不是簡單高亮一整段文本，而是定位到真正決定結(jié)論的「關鍵三行」。醫(yī)生看到的不只是「這篇文章可能相關」，而是「依據(jù)具體在哪里」。

與此同時，回答還引入了兩個更重要的維度：時效性（「2025年」）和權(quán)威性（「中華醫(yī)學會的指南」），強調(diào)對全球權(quán)威指南和文獻進行日更級追蹤與篩選，并基于這些動態(tài)證據(jù)生成回答。

這背后，考慮到是一個基本現(xiàn)實：醫(yī)學證據(jù)每天都在變化。

新指南、新藥物、新療法、新臨床試驗層出不窮，尤其是在腫瘤、感染、心血管等領域，頂刊上的一個新結(jié)果，可能直接改變第二天的治療策略。一旦證據(jù)沒跟上影響判斷，代價可能是患者動了沒必要的刀子，或錯過最佳手術時機。

為了杜絕低質(zhì)信源的「污染」，模型在生成答案時會優(yōu)先「定位」權(quán)威等級更高來源，自動降權(quán)低質(zhì)量個案報道。

某種程度上，這些也構(gòu)成了「氫離子」與傳統(tǒng)醫(yī)學搜索工具、乃至其他「AI 醫(yī)生」產(chǎn)品之間最大的區(qū)別醫(yī)生看到的每一個觀點，都經(jīng)得起三個問題的追問：精準嗎？權(quán)威嗎？夠新嗎？

但在臨床現(xiàn)場，可信之外，醫(yī)生還需要它足夠快。

「心電捕手」提到，確認替格瑞洛劑量時，「沒想到 3 秒就出了結(jié)果」。過去遇到類似疑難問題，往往需要在 PubMed、指南、藥品說明書等多個平臺之間來回切換，整個過程可能耗費十幾甚至二十分鐘。

很多醫(yī)生手機里常年裝著 5～6 個醫(yī)學 App，因為它們大多只是單點工具。而「氫離子」試圖把這些「搬運成本」壓縮成一次提問：快速給出有依據(jù)的用藥方案和劑量建議，同時聯(lián)動藥品說明書，標注禁忌癥與注意事項。

醫(yī)生「心電捕手」在醫(yī)療社區(qū)中指出，AI返回的結(jié)果還聯(lián)動了相關藥品說明書，標注了用藥禁忌和注意事項，比急診室醫(yī)生之前同時翻指南和說明書高效太多。

對醫(yī)生而言，這不只是「少打開幾個頁面」，而是在爭分奪秒的臨床環(huán)境里，縮短關鍵決策時間。

把「醫(yī)學證據(jù)」寫進 AI：

四層循證架構(gòu)首次揭曉

在發(fā)布會上，團隊首次披露了「低幻覺、高循證」背后的「四層循證架構(gòu)」——從醫(yī)學證據(jù)結(jié)構(gòu)化、循證檢索、模型對齊，到專家閉環(huán)反饋，試圖把「循證醫(yī)學」真正寫進 AI 的底層邏輯。

第一層：充分理解醫(yī)學證據(jù)。

不是直接「讀文字」，而是把醫(yī)學文本轉(zhuǎn)化為可結(jié)構(gòu)化、可評估、可追溯的證據(jù)單元。

這里最核心的是 PICO 與 GRADE 兩套經(jīng)典循證框架。

PICO 本質(zhì)上是一套醫(yī)學問題結(jié)構(gòu)，它要求 AI 像臨床醫(yī)生一樣，拆解文本的核心要素：針對什么人群（P）？采用何種干預（I）？與什么方案對照（C）？最終結(jié)果如何（O）？

例如，針對一項減肥藥研究，自動生成精確的證據(jù)鏈：

18～50 歲、體重超過 200 斤、無嚴重心臟病的成年人； 每天服用一種新型減肥藥 A； 另一組服用外觀相同的安慰劑； 三個月后，A 組平均減重 10 斤，對照組僅減重 2 斤。

這樣的解讀不僅解決語義匹配問題，更強調(diào)「證據(jù)適配」——只有 PICO條件完全匹配，后續(xù)建議才有臨床價值。

GRADE 則為這些證據(jù)貼上「可信度」的等級標簽。

在循證醫(yī)學中，文獻的含金量千差萬別。所謂值不值得信？不是「我覺得」，而是基于一套可量化的評價體系。 GRADE 是全球循證醫(yī)學最核心的證據(jù)評級體系之一，目前已被 World Health Organization 等全球 100 多家權(quán)威醫(yī)學機構(gòu)廣泛采用。

根據(jù)這一標準，大型隨機對照試驗（RCT）通常屬于高等級證據(jù)；Meta-analysis 往往擁有更強的綜合可信度；個案觀察、經(jīng)驗分享，則屬于較低等級證據(jù)。

針對「鉑耐藥復發(fā)卵巢癌」的最新文獻檢索結(jié)果。文獻按時效性（2025 年）、權(quán)威性（高影響因子 TOP 期刊）及證據(jù)等級（RCT、臨床研究）呈現(xiàn)， 甚至列出了JCR分區(qū)、中科院分區(qū)及IF分值，可以一眼看到文獻的質(zhì)量和參考價值。來源：王偉強博士公眾號文章。

第二層：將 PICO 注入 RAG，從「關鍵詞檢索」走向「結(jié)構(gòu)化降維」。

基于 PICO 框架，檢索邏輯從「搜詞」升級為「搜結(jié)構(gòu)」，徹底解決了傳統(tǒng) RAG 檢索容易失效的問題。

例如，「布洛芬能不能比對乙酰氨基酚更快讓兒童退燒？」通過 PICO 拆解后，系統(tǒng)不會簡單搜「布洛芬 退燒 兒童」，而是自動轉(zhuǎn)化為標準循證問題——「在發(fā)熱兒童（P）中，布洛芬（）相較于對乙酰氨基酚（C），在退熱速度和副作用（O）上有何臨床證據(jù)？」

這樣檢索出來的文獻，更像是在回答一個臨床問題，而不是湊關鍵詞。反過來說，RAG 也只有在文檔結(jié)構(gòu)化程度高、檢索邏輯符合循證范式時才更可靠。

有了證據(jù)理解和精準檢索，問題來了：AI 會正確使用證據(jù)嗎？

第三層：強化與對齊，規(guī)訓模型「像醫(yī)生一樣使用證據(jù)」。

氫離子在后訓練階段加入了 Reward 模型與 Rubrics 評分體系。Reward 模型負責讓 AI 學會「什么是好答案」，而 Rubrics 則把循證醫(yī)學中的質(zhì)量要求，進一步工程化成可訓練、可評測的標準。

模型最終學習的，不再只是語言風格，而是如何生成低幻覺、可追溯、符合循證規(guī)范的回答。

然而， 在瞬息萬變的醫(yī)學領域，單純依賴靜態(tài)的模型訓練無法消除所有長尾邊緣案例，也無法實時同步最新的指南、藥物與療法。因此，架構(gòu)的最后一環(huán)交給了Experts-in-the-Loop（專家閉環(huán)反饋）

真正有價值的數(shù)據(jù)，需要長期專家標注，需要持續(xù)更新，需要明確證據(jù)等級，還需要知道不同研究之間的關系與沖突。

目前氫離子構(gòu)建了由超過 300 位資深醫(yī)生組成的醫(yī)學 AI 專家委員會。他們扮演著「主治醫(yī)生」與「首席出題官」的角色，持續(xù)對 AI 的輸出進行高強度的「找茬、打分與修正」。

專家的評測不是為了得出一個安全分數(shù)，而是為了反哺前三層。例如：發(fā)現(xiàn)某處回答不佳，立刻倒推是不是第一層的 PICO 拆解粒度不夠細？或是第三層的 Rubrics 評分標準過于寬松？

最終，通過這四層由淺入深的循證架構(gòu)，理解、檢索、訓練與評測形成了一個完美的「可追溯、可驗證、可信賴」的閉環(huán)。AI 徹底擺脫了「靜態(tài)工具」的局限，演變?yōu)橐粋€能夠隨著醫(yī)學證據(jù)實時更新、基于臨床反饋不斷自我糾錯的「進化型系統(tǒng)」。

從一款高效的生產(chǎn)力產(chǎn)品，真正成長為醫(yī)生在臨床與科研中不可或缺的可信賴伙伴。

本土權(quán)威+國際前沿：

數(shù)據(jù)壁壘，夯實循證底座

要把「高循證」做到極致，光靠算法和工程創(chuàng)新是不夠的，AI 最硬的門檻，其實在于數(shù)據(jù)源。高質(zhì)量的醫(yī)學數(shù)據(jù)庫，不只是功能底座，更是臨床安全的護欄。

中國醫(yī)生普遍存在世界頂級研究獲取困難的問題。

此前，氫離子已經(jīng)與中華醫(yī)學會、人民衛(wèi)生出版社等國內(nèi)醫(yī)學出版巨頭深度合作，奠定了本土權(quán)威基礎。而這次官宣的國際頂刊合作，意味著76% 的醫(yī)生不再受困于頂級前沿證據(jù)的難以觸達。

通過這種「強強聯(lián)合」，氫離子構(gòu)建起多層級的專業(yè)醫(yī)學知識譜系，進一步夯實了在醫(yī)學 AI 領域的底層數(shù)據(jù)壁壘。

目前，氫離子匯聚了來自 PubMed、Google Scholar 等國際數(shù)據(jù)庫以及國內(nèi)核心期刊的千萬級頂尖文獻，為科研和疑難病例提供穩(wěn)固支撐。

同時，系統(tǒng)整合了三萬余部國內(nèi)外權(quán)威臨床指南與專家共識，以中華醫(yī)學會等機構(gòu)發(fā)布內(nèi)容為主，使 AI 在復雜臨床環(huán)境中能夠迅速鎖定標準方案，大幅提升診療效率與安全性。

藥品說明書及活性成分信息超過六萬份，從適應癥、禁忌癥、用法用量，到不良反應及特殊人群用藥，實現(xiàn)臨床開方與用藥風險的全面掌控。

這些不僅保障了 AI 在臨床輔助中的極致安全，也讓「氫離子」在醫(yī)學 AI 賽道上形成短期難以逾越的核心競爭力。

過去兩年，行業(yè)習慣把醫(yī)學 AI 理解成參數(shù)規(guī)模競爭、問答能力競爭。但真正進入臨床與科研場景后，發(fā)現(xiàn)準確性、可追溯性、穩(wěn)定性與決策一致性，遠比「會不會回答」更重要。

「氫離子」用實踐證明，嚴肅醫(yī)學 AI 的真正護城河不是參數(shù)規(guī)模，而是「從高等級證據(jù)到臨床答案」的全鏈路工程能力。 缺少了頂級信源與循證架構(gòu)的嚴苛規(guī)訓，再龐大的參數(shù)，最終也會碎成「通用模型+醫(yī)學語料」的平庸組合。

正如喬貴賓所言：「這才是醫(yī)學 AI 該有的樣子。它不替你做判斷，而是幫你更快找到做判斷的依據(jù)，并且讓你看清它是從哪兒找來的?！贯t(yī)生不需要一個擅長模糊應答的「聊天花瓶」，而需要一個能在臨床與科研中并肩作戰(zhàn)的「硬核戰(zhàn)友」。

當繁重的循證檢索被 AI 降維打擊，醫(yī)生們偶爾也會和學生們聊起，如果所有循證的工作都被 AI 代勞了，醫(yī)生還需要什么？

大家的答案很一致，向本源的回歸——練就臨床判斷力。因為敲定最終方案，還要取決于醫(yī)生的綜合評估。

這也應驗了那句在圈子里廣為流傳的話：能夠給出治療方案的，叫「智能（ Intelligence ）」，真正理解眼前的患者，才是「智慧（ Wisdom ）」。

1、Trust, truth and transparency: analysing the references underpinning AI-generated surgical information

https://publishing.rcseng.ac.uk/doi/10.1308/rcsann.2026.0021

2、Representation Before Retrieval: Structured Patient Artifacts Reduce Hallucination in Clinical AI Systems

https://www.medrxiv.org/content/10.64898/2026.02.13.26346256v1.full.pdf