# 医疗AI底层逻辑转变：从被动解释到主动调度

- 来源：凡人小北 (@frxiaobei)
- 发布时间：2026-04-26 13:58
- AIHOT 分数：54
- AIHOT 链接：https://aihot.virxact.com/items/cmofduj1b05xaslb8oupkzb51
- 原文链接：https://x.com/frxiaobei/status/2048280586318672269

## AI 摘要

作者体验爱康国宾的AI健康管家后，指出医疗AI正经历底层逻辑转变。过去用户需自行定义问题咨询ChatGPT，如今AI能基于全量健康数据主动识别风险、提出关切，用户角色转为被持续监控和解释的对象。这导致传统Prompt方式失效，因为高维、跨时间的健康数据难以用文本精准描述。随着数据累积，AI正从“信息解释器”转向“健康调度器”，实现从认知闭环到行动闭环的升级。然而，核心挑战仍是责任归属问题，通用大模型虽能力强大却不承担医疗责任。作者认为，在当前体制下，民营医院可能率先突破，且数据在链路中的重要性远超预期。

## 正文

早上去爱康国宾做了个年度体检，往年都会直接丢给 chatgpt，今年直接小程序内用了爱康家的 ikkie 健康管家。

虽然做的一言难尽，但医疗 AI 这条线很明显出现了一些底层的变化。

以前那套拿着报告去问 ChatGPT 的玩法有个隐含的前提，问题是我自己定义的。
现在逻辑完全反转， AI 拿到我的全量数据，然后反推出应该关心什么。

在这个形态下我就转变成一个被持续监控和解释的对象。这听起来有点不舒服，但在医疗场景里这是合理的，因为绝大多数情况下我根本不知道该问什么。

所以带来的就是 Prompt 在这个场景里开始失效
为什么？
因为 prompt 是把复杂现实压缩成一段文本。而我又描述不清楚，但是健康数据本来就是高维的跨时间的。我尝试一次性用 prompt 去描述信息损失是非常大。

这也是为什么近半年会有 Agent 更懂自己的感觉，其实核心原因是长年累月的输入更真实了。

随着数据的累积， ChatGPT 在人与 AI 的关系中扮演的角色也开始从信息解释器变成健康调度器。

举个例子：
一个异常指标，在传统 ChatGPT 流程里是解释 → 风险提示 → 建议去医院

但在 AI 健康管家这种体系里理论上可以变成
识别异常 → 判断风险等级 → 匹配历史数据 → 推荐复查 → 触发预约 → 跟踪结果

也就是从一个认知闭环变成一个行动闭环。这一步是健康类 agent 真正有价值的地方（当然其他垂直场景都类似）

但医疗 AI 还有那个老生常谈的问题，谁来承担责任。
通用大模型理论上可以无限接近正确，实际上现在已经超越了所有的医生，但它不承担责任，所以它的输出永远是建议。

所以在当前国家的体制下我更看到一些民营性质的医院先走出来。

并且在整个链路上，数据的重要性也比想象中的还要大很多。