2025年，DeepSeek迅速席卷全國醫(yī)療行業(yè)。
超過300家醫(yī)院已成功部署DeepSeek，覆蓋了患者服務(wù)、科研、診療、辦公、管理等各個方面。
隨著DeepSeek帶來的大模型普惠，其應(yīng)用價值又催生出新的可能。當(dāng)前，一個新的AI醫(yī)療應(yīng)用市場正在迅速展開——醫(yī)療AI Agent。
智藥局統(tǒng)計發(fā)現(xiàn)，近三個月內(nèi)，多家醫(yī)院正在基于具體場景需求構(gòu)建醫(yī)療智能體（AI Agent），賽道處于爆發(fā)期。
2025年已成為AI Agent+醫(yī)療的爆發(fā)元年，在海外已經(jīng)跑出Abrige、Open Evidence等優(yōu)秀初創(chuàng)公司，國內(nèi)騰訊、京東、聯(lián)影等行業(yè)巨頭也在積極布局。
Agent的百花齊放，也意味著AI醫(yī)療大模型從技術(shù)試驗階段邁入深度場景化應(yīng)用階段。
升維：大模型到AI Agent
和大模型不同，AI Agent到底是什么？
簡單來說，AI Agent是以大模型作為核心引擎，具備記憶能力、能夠有自主推理和規(guī)劃工具的使用，從而來解決問題的智能程序。
即AI Agent = 大模型 + 記憶 + 使用工具 + 自主規(guī)劃。
尤其Manus的一鳴驚人，也將Agent的概念帶入大眾視野。包括OpenAI、英偉達、谷歌等超級AI大廠，都將Agent視為下一個戰(zhàn)場。
畢竟通用大模型提供了基礎(chǔ)問答能力，但真正的商業(yè)價值體現(xiàn)在能夠解決特定行業(yè)、特定業(yè)務(wù)流程痛點的Agent應(yīng)用上。
要知道，從今年2月份起，已經(jīng)有超300家醫(yī)院宣布本地部署DeepSeek，提升大模型在醫(yī)療系統(tǒng)的滲透率，完成技術(shù)和市場的雙重教育。
但部署DeepSeek后，能不能真正為醫(yī)院帶來增量價值？
許多醫(yī)院花費數(shù)百萬采購大模型以及一體機，卻停留在簡單對話功能，沒能和醫(yī)療業(yè)務(wù)和場景進行適配。
行業(yè)普遍的共識是，各家醫(yī)院需要結(jié)合自身業(yè)務(wù)需求對大模型進行二次開發(fā)，需要新的創(chuàng)新性解題思路。
在大模型基礎(chǔ)之上構(gòu)建的Agent，有望真正將AI能力深度融入臨床診療和醫(yī)療管理場景，實現(xiàn)技術(shù)到業(yè)務(wù)的升級。
以病歷生成Agent為例，AI能夠像人一樣獲取并且理解患者信息，然后調(diào)用和操作數(shù)據(jù)庫與工具，包括與醫(yī)院MCP平臺的接口對接，關(guān)聯(lián)患者病史、檢查報告甚至過敏記錄，最終生成一份詳實的病歷。
當(dāng)Agent能處理醫(yī)生的真實需求，從助手晉升為伙伴。海外不少醫(yī)院和公司意識到了Agent產(chǎn)生的巨大價值，探索出一條商業(yè)化路徑。
美國頂尖醫(yī)院梅奧診所表示：今年重點評估并投入應(yīng)用的突破性技術(shù)，包括自主化智能體（Agentic AI）驅(qū)動的自動化系統(tǒng)。
此外，Abridge、Nabla 和 Ambience等初創(chuàng)則看到了電子病歷自動生成這一賽道，通過“語音識別（ASR）+生成式AI”技術(shù)，幫助醫(yī)生節(jié)省大量撰寫病歷的時間。
Open Evidence作為專為醫(yī)生設(shè)計的AI診斷輔助工具，通過精準的臨床支持和創(chuàng)新的商業(yè)模式，迅速在美國醫(yī)生群體中普及。
落地：場景為王
相較于海外生態(tài)已初步建立，國內(nèi)醫(yī)療Agent尚且處于行業(yè)發(fā)展早期。
在部署方式方面，由于Agent涉及到多個大模型和數(shù)據(jù)庫、醫(yī)療系統(tǒng)進行交互集成，對工程能力要求更高，由醫(yī)院提供數(shù)據(jù)+場景，企業(yè)提供技術(shù)的大模型開發(fā)聯(lián)盟仍然是主流。
例如，四川大學(xué)華西醫(yī)院發(fā)布的睿兵Agent就由華西聯(lián)合潤達醫(yī)療、華為、智算云騰等公司共同完成，三家公司分別提供模型、硬件以及云計算服務(wù)。
根據(jù)當(dāng)前方面發(fā)布的醫(yī)療Agent，可以主要分為兩大類：
專科Agent
如今，中國醫(yī)療系統(tǒng)面臨的主要矛盾在于：有限的醫(yī)療衛(wèi)生資源下，如何最大程度滿足人們對健康的需求。
通用大模型能夠簡單輔助醫(yī)生診斷，但要解決復(fù)雜醫(yī)學(xué)問題，這些方案難以達到醫(yī)學(xué)專家水平，可解釋性和溯源都較差。
于是，多家三甲醫(yī)院優(yōu)先選擇訓(xùn)練醫(yī)學(xué)?？浦悄荏w，用于解決?？茊栐\中的各種問題，彌合醫(yī)療資源不平衡與患者
例如，上海交通大學(xué)附屬仁濟醫(yī)院發(fā)布首個泌尿?qū)？浦悄荏w；江蘇省人民醫(yī)院發(fā)布感染控制智能體、東南大學(xué)附屬中大醫(yī)院推出肝癌診療智能體等。
專業(yè)知識才是大模型與真正的燃料，也決定了智能體的表現(xiàn)上限，打造?？浦悄荏w需要醫(yī)院釋放知識與數(shù)據(jù)儲備。
但三甲醫(yī)院電子病歷的關(guān)鍵信息以非結(jié)構(gòu)化文本形式存在，難以提取關(guān)鍵信息，且因為患者數(shù)據(jù)隱私保護而無法開放訓(xùn)練。
針對這一問題，上海交通大學(xué)醫(yī)學(xué)院附屬仁濟醫(yī)院與螞蟻集團合作打造的泌尿?qū)？浦悄荏w，這是國內(nèi)首個用疾病結(jié)構(gòu)化數(shù)據(jù)訓(xùn)練，并在真實醫(yī)療場景運行的?？浦悄荏w。
該智能體基于仁濟97.6%疾病譜的標(biāo)準化病例數(shù)據(jù)集，并由泌尿科醫(yī)生深度參與梳理的知識圖譜，可支持多種復(fù)雜場景的醫(yī)療任務(wù)，已累積服務(wù)約30萬人次。
未來，?？艫gent能夠整合搜索引擎、電子病歷、醫(yī)學(xué)影像等工具和多模態(tài)數(shù)據(jù)，為患者提供個性化的服務(wù)。
?？艫gent還有望進一步打破基層醫(yī)療資源稀缺和不平等的困境，減少誤診和跨省求醫(yī)需求。
醫(yī)院運營與患者服務(wù)Agent
除開?？浦悄荏w外，對于醫(yī)療運營與患者服務(wù)的更加細致與完善的需求，也催生了由大模型向智能體的進化。
相較于專業(yè)壁壘較高的?？艫gent，這類Agent更側(cè)重于對醫(yī)院業(yè)務(wù)與場景進行梳理與重新編排，更多地由企業(yè)方提供技術(shù)支持與服務(wù)。
不少醫(yī)院已經(jīng)上線了輔助問診/導(dǎo)診平臺，輔助檢查報告解讀與結(jié)構(gòu)化、病案質(zhì)控、臨床輔助決策、病歷書寫等Agent。
例如中山醫(yī)院攜手聯(lián)影醫(yī)療，共同打磨了6款“有愛小山”系列醫(yī)療智能體并落地到全院。這些智能體包含智能客服、介入手術(shù)、質(zhì)控管理、外科手術(shù)、放射智能體，進一步優(yōu)化醫(yī)療效率。
此外，深圳大數(shù)據(jù)研究院開發(fā)的華佗預(yù)問診平臺，能夠在智能導(dǎo)診的基礎(chǔ)上，為醫(yī)生提供詳盡的預(yù)問診報告，已在多家醫(yī)院上線。
該預(yù)問診平臺可進行多輪深層交互界面，針對患者的問題進行深度分析，同時與醫(yī)學(xué)知識庫與真實病歷進行關(guān)聯(lián)，為醫(yī)生提供可解釋性方案。同時，華佗還上線了體檢報告解讀、自診自查、拍藥盒查用藥知識等小工具，讓患者更好地進行健康管理。
醫(yī)院日常運營中，智能體可以智能化處理行政審批、排班管理等事務(wù)，甚至在最核心的DRG/DIP控費環(huán)節(jié)，AI有望幫助降低醫(yī)療支出。
未來：智能體矩陣
簡而言之，醫(yī)療Agent的爆發(fā)描繪了一個革命性的賽道。
它不僅僅是效率工具，更是重塑醫(yī)療流程、提升診療精度和改善醫(yī)患體驗的關(guān)鍵力量。
實際上，目前醫(yī)療Agent的技術(shù)仍然不夠成熟，絕大多數(shù)仍然定位于工作助手與伙伴之間，還并未出現(xiàn)如同Manus、Lovart 這樣的爆款。
而伴隨著大模型與Agent的不斷成長與優(yōu)化，未來的趨勢是多智能體協(xié)調(diào)下的智慧醫(yī)院大腦。
即由導(dǎo)診Agent、診斷Agent、質(zhì)控Agent、隨訪Agent等構(gòu)成的智能體矩陣，有望重塑臨床路徑優(yōu)化、資源動態(tài)調(diào)度等關(guān)鍵場景的決策模式。
據(jù)智藥咨詢研究院預(yù)測，未來中國AI Agent+醫(yī)療滲透率將不斷加深，到2031年市場規(guī)模有望達到418億元。
到2030年，Agent將全面接管病歷質(zhì)控、排班系統(tǒng)等非核心醫(yī)療流程，多智能體協(xié)同系統(tǒng)將基本覆蓋常見病種的個性化診療、支持跨科室的復(fù)雜病例聯(lián)合會診以及提供從診前健康評估到診后康復(fù)管理的全周期服務(wù)。
也就是說，AI醫(yī)療上限還遠未到達，不僅是大模型需要靠高質(zhì)量醫(yī)療數(shù)據(jù)進行精進，在Agent層面，也需要行業(yè)聯(lián)手共建，加速構(gòu)建Agent產(chǎn)品矩陣。
前景是美好的，但當(dāng)前大模型以及醫(yī)療Agent仍然存在諸多問題。
正如清華專家所指出：DeepSeek的快速、無監(jiān)管的采用已超出中國的整體監(jiān)管監(jiān)督和治理框架，造成了監(jiān)管的滯后性。
尤其當(dāng)Agent的建議與規(guī)劃被采納并導(dǎo)致不良后果時，責(zé)任如何劃分還難以確定，監(jiān)管框架需要跟上技術(shù)發(fā)展步伐。
此外，Agent需要強大的集成能力才能發(fā)揮最大價值，但現(xiàn)有醫(yī)療IT系統(tǒng)由不同的廠商提供，數(shù)據(jù)流動性和工作流往往割裂，導(dǎo)致呈現(xiàn)效果不佳。
