黑客松系列報道丨Knowell：解決亞非拉病患的困境

Knowell為全球基層醫療普惠化、健康服務均等化提供了一套可探索、可規?；?、低成本的解決方案。

文｜錢麗娜
ID | BMR2004

在AI Hackathon Tour首屆高校聯賽中，一款瞄準全球基層醫療痛點的AI產品——Knowell斬獲最具極客精神獎。它的目標用戶，是兩個被主流健康平臺集體忽略的群體：一邊是亞非拉“一帶一路”沿線國家，大量基層人群“有醫院無管理、有設備無醫生”；另一邊是國內老年群體，“不會用智能設備、看不懂體檢報告”。

當前中國擁有優質臨床資源和龐大執業醫師隊伍，AI醫療技術具備較強競爭力，而亞非拉國家普遍存在醫療資源錯配，國內老年群體面臨數字鴻溝的問題。手機的全員普及，讓人們有機會用AI技術，把一部普通手機變成隨身的健康服務工具，從根源上打破醫療資源的地域與階層壁壘，這就是Knowell誕生的初心。

Knowell團隊選擇rPPG（遠程光電容積脈搏波）與LLM醫療大模型作為核心技術底座。rPPG技術實現了“無硬件、無接觸、無創口”——只需一部手機，40秒即可完成核心健康指標檢測，哪怕是幾百元的低配機、不會用智能設備的老人，也能一鍵操作。單純的檢測只給冰冷的數字，用戶拿到結果依然不知道“怎么辦”。LLM醫療大模型則把客觀生理指標，轉化為可理解的健康解讀、風險預警、分診建議和就醫方案，形成“檢測—解讀—干預—就醫”的全鏈路閉環。

01

公益打底、商業賦能

Knowell團隊認為，公益不是商業的對立面，而是商業模式的核心入口與護城河；商業不是公益的附屬品，而是公益可持續的核心支撐，二者形成雙向賦能的正向飛輪。

在模式設計上，團隊做了清晰的分層：

公益打底層，把rPPG無創健康檢測、多語種健康科普、基礎AI問診、全球醫療資源查詢、重癥公益幫扶通道，設為免費功能。這些功能依托AI技術得以實現，邊際成本較低，用戶規模越大，模型迭代越快，單用戶成本越低。它的核心價值，是覆蓋廣泛的人群，沉淀核心醫療數據，為商業服務提供精準的用戶畫像與技術支撐。

商業賦能層，從免費流量中，精準轉化有明確付費需求的用戶，核心盈利場景包括：跨境診療一站式服務、個性化慢病健康管理會員、智能健康硬件銷售、保險機構數據與風控服務、藥企真實世界研究服務。商業服務產生的利潤，一部分反哺公益服務的下沉與覆蓋，比如為貧困地區捐贈設備、擴大公益幫扶規模；另一部分投入技術研發，進一步提升服務能力，形成“公益獲客→數據沉淀→技術迭代→商業變現→反哺公益”的完整閉環。

這套模式，既守住了“醫療平權”的初心，又擺脫了公益項目“靠捐贈輸血、不可持續”的困境，實現社會價值與商業價值的長期共生。

02

適配亞非拉基層人群與國內老年群體

為了適配亞非拉基層人群和國內老年群體，Knowell在產品決策階段核心圍繞兩個關鍵詞：“買得起”和“會用”。其中主要有四大關鍵決策：一是極簡操作設計，突出顯示核心功能，簡化入口；二是未來將進一步進行弱網與離線模式的底層優化，實現檢測全流程端側完成，用戶哪怕完全沒有網絡，也能完成視頻拍攝、指標檢測、生成基礎報告，僅在問診、查詢醫療資源時需要極少量流量，適配當地網絡環境；三是本地化的內容與服務適配，設計亞非拉版本的健康科普，圍繞當地高發疾病設計，用本地語言、短視頻形式，貼合當地文化習慣。

Knowell為全球基層醫療普惠化、健康服務均等化提供了一套可探索、可規?；⒌统杀镜慕鉀Q方案。

首先，探索普惠醫療新路徑。Knowell以AI技術降低健康檢測與醫療服務門檻，為全球基層醫療普惠化提供新的落地方向。

其次，助力打破醫療資源地域與階層壁壘。Knowell搭建無國界醫療服務網絡，將國內AI醫療技術與臨床資源輸送至全球醫療匱乏地區，助力用戶平等獲取優質醫療服務，推動健康服務均等化。

最后，為全球公共衛生體系建設提供支撐。Knowell平臺可實現大規模人群健康篩查、風險預警、數據監測，為各國公共衛生部門提供數據支撐，助力慢病管理與公共衛生事件防控，推動基層公共衛生體系數字化、智能化升級。

03

邁向未來

Knowell團隊表示，未來項目技術規劃圍繞“深化技術壁壘、擴大服務覆蓋、完善生態閉環”三大核心目標，具體分為四個方向：

首先，硬件接入將構建全場景健康感知矩陣。未來1—2年，完成“可穿戴+無接觸+家用醫療設備”全場景硬件矩陣布局；除已研發的智能健康戒指、無接觸睡眠/摔倒監測終端外，還將完成血壓計、血糖儀、單導心電儀等家用醫療設備的對接；同時開放核心算法SDK，向全球公益組織、基層醫療機構、智能硬件廠商授權，推動健康設備無縫接入，構建規模較大的普惠健康感知網絡。

其次，檢測精度將從健康篩查向輔助診斷逐步跨越。持續優化rPPG核心算法，將可檢測指標從目前6項擴展至血壓、血糖、血脂、心血管疾病風險、睡眠呼吸暫停綜合征等20+項核心慢病指標；進一步提升檢測精度，將核心指標檢測偏差率控制在較低水平，向醫用診斷級標準靠攏，實現從“健康初篩”到未來進一步“臨床輔助診斷”的升級。

再次，模型迭代邁向多模態醫療大模型?；谄脚_積累的全球長時序健康數據，持續擴大訓練數據集，優化模型臨床適配性、可解釋性與多語種支持能力，覆蓋更多病種、更多地區臨床診療規范；同時優化端側大模型，讓更低配置手機可運行AI能力，助力實現“人人擁有隨身AI醫生”的目標。

最后，場景擴展從C端健康管理向全生態服務覆蓋。從現有居家健康、基層醫療、跨境診療核心場景，向企業健康管理、保險科技、藥企真實世界研究、公共衛生應急等場景擴展；為保險機構提供精準核保、用戶健康干預、理賠風控服務，為藥企提供真實世界研究與藥物療效監測服務，為公共衛生部門提供大規模人群健康篩查與風險預警服務，擴大技術覆蓋場景，提升社會與商業價值。