在生成式AI经历两年快速迭代后，医疗领域正从“模型能力展示”转向“真实场景落地”。在这一背景下，健康今日上午正式发布面向医生群体的AI产品“有医助理”，并首次提出“检索+任务执行”的双引擎架构，试图在医疗AI从“信息工具”向“工作流工具”演进过程中占据一席之地。
健康方面向财联社记者介绍，“有医助理”定位为医生专业智能助理，亦被定义为“国内版超级OE（OpenEvidence）”，核心由“检索模式”和“任务模式”构成。其中，检索模式基于千万级医学数据底座，整合国际期刊、指南共识及中国临床路径资源，实现循证检索与溯源；任务模式则基于OpenClaw框架，是国内首个在医疗场景落地的任务型AI助理，能够执行论文写作、临床文书生成、患者随访管理等复杂任务，从“回答问题”延伸至“完成任务”。
值得注意的是，健康告诉财联社记者，“有医助理”在检索模式的产品路径上明确对标美国医学AI工具OpenEvidence。
公开资料显示，OpenEvidence定位为面向医生的循证医学检索平台，通过整合权威期刊与指南数据，为临床决策提供可溯源的证据支持。近年来，该类工具在美国医生群体中渗透率快速提升，截至2025年底，OpenEvidence已拥有超过43万名美国注册医生（约占美国医生总数的40%），月均临床咨询量超千万次，被视为医疗AI从“通用问答”走向“专业循证检索”的标志性产品。
检索模式对标OpenEvidence有哪些优势？百度健康方面告诉财联社记者，百度健康检索模式在数据完整性、本土化适配、专科共建及生态整合等方面具备差异化优势：一方面整合国际医疗学术资源，另一方面深度引入中国临床指南、药典及专家共识，构建覆盖“国际前沿+本土实践”的医学知识体系，并联合顶级专家共建专科模型，尤其在肿瘤领域，已率先引入中国抗癌协会CACA指南，形成较强能力积累。
从这一对标关系看，“有医助理”的检索模式，本质上延续了OpenEvidence所代表的“专业化检索”路径，而任务模式的引入，则进一步叠加“执行能力”，试图在检索之外，直接参与医生科研与临床工作流程。
这一演进路径，也映射出全球医疗AI的发展脉络。过去一轮医疗AI主要集中在影像识别、辅助诊断等垂直场景；而在大模型浪潮下，行业一度聚焦通用问答能力，但由于“幻觉”与准确性问题，其在临床场景的应用始终受限。近期，无论是OpenEvidence代表的循证检索工具，还是围绕Agent框架发展的任务型AI，均在尝试突破“只提供信息、不参与执行”的瓶颈。
国内厂商亦在加速布局。一方面，互联网与科技公司正密集推出医疗大模型产品，切入问答、导诊及辅助诊疗等场景。例如，蚂蚁集团推出的医疗AI产品“阿福”（蚂蚁阿福），已在问诊咨询、健康科普及慢病管理等场景中落地，强化其在医疗服务入口与用户转化方面的能力；腾讯持续推进“腾讯觅影”，在影像辅助诊断等细分场景形成较深积累。
另一方面，一批更偏“医生工作流”的产品路径开始显现，尝试向科研与临床效率工具延伸。例如，阿里健康（则推出“氢离子”，定位为面向医生群体的专业AI助手，其核心能力是提供低幻觉、高循证的医学知识支持，重点应用于临床决策、报告解读、科研辅助等严肃医疗环节；讯飞医疗（02506.HK）的智医助理与语音电子病历系统，已在基层医疗机构用于辅助诊疗与病历生成；医渡科技（02158.HK）依托数据中台能力，将AI应用于真实世界研究与临床科研；此外，包括百度健康此次推出“有医助理”，则进一步将能力从检索问答延伸至论文辅助、临床文书与患者随访等任务执行环节。
从产品能力来看，“有医助理”试图覆盖医生最核心的三类高频场景：科研、临床与患者管理。在科研端，AI可将传统需数周完成的选题调研压缩至更短时间，并辅助完成数据分析与论文撰写；在临床端，可辅助病历结构化生成、检验报告异常识别及循证决策支持；在患者管理端，则延伸至随访计划制定、自动触达及数据沉淀等环节。百度健康方面表示，上述能力旨在缓解医生“信息过载”与“时间分配失衡”的长期痛点。
不过，从行业实践来看，医疗AI的落地仍面临多重现实约束。一方面，医院信息系统割裂、医疗数据合规要求趋严，使得AI难以深度嵌入诊疗流程；另一方面，在高风险医疗场景中，AI的“可解释性”与“责任边界”仍有待进一步明确。
对此，百度健康方面对财联社记者强调，有医助理定位为辅助工具，最终诊疗决策权仍由医生掌握，并通过数据隔离、加密传输及权限控制等机制构建医疗级安全防护体系。
在商业模式上，医疗AI大模型领域尚未形成清晰闭环。当前，大模型研发与行业适配成本高企，而及医生端的付费意愿仍在培育阶段。从“有医助理”现阶段的策略来看，检索模式免费、任务模式限免的设计，或仍以扩大用户基础、验证场景为主要目标。
目前，用户可通过“百度健康工作台”App “问AI”入口输入问题或PC端直接体验，任务模式已逐步开放使用。AG真人官方入口AG真人官方入口
