從高血壓診療入手，北京安貞醫(yī)院讓醫(yī)療大模型走出聊天框

作者：金旺

醫(yī)療AI，一直是大模型最受關(guān)注、最難落地的行業(yè)之一。

一邊是迅速增加的醫(yī)療問答、報告生成、影像識別和輔助診斷產(chǎn)品，另一邊，真正走進醫(yī)院診室、影響醫(yī)生決策的大模型仍然不多。

其中的原因并不復雜，普通大模型答錯一道題，用戶或許只需要重新提問，醫(yī)療大模型如果判斷錯一個病例，面對的卻可能是患者安全和醫(yī)療責任。

模型能不能回答醫(yī)學問題，只是醫(yī)療AI進入臨床的起點，真正的問題是：

它能否理解復雜病例，能否說明判斷依據(jù)，能否在臨床使用中持續(xù)更新？

在WAIC 2026期間，我們看到了首都醫(yī)科大學附屬北京安貞醫(yī)院高血壓中心與中國電子云聯(lián)合打造的高血壓診療大模型。

從高血壓專病大模型起步，如今北京安貞醫(yī)院高血壓中心已經(jīng)逐漸搭建起覆蓋門診、住院、院外監(jiān)測、隨訪和轉(zhuǎn)診的全病程管理平臺。

這套名為Idiom Hypertension的中西醫(yī)結(jié)合高血壓診療大模型并不滿足于做一個醫(yī)學問答工具，而是包括高質(zhì)量數(shù)據(jù)集、專病模型、智能體和專家知識庫在內(nèi)的一套專病服務系統(tǒng)。

就在大模型熱潮來襲的第五年，在北京安貞醫(yī)院高血壓中心，醫(yī)療AI開始走出聊天框進入到了臨床服務的核心流程。

01 高血壓，為何成了醫(yī)療AI第一個臨床考場？

醫(yī)療AI經(jīng)常面對一個看似矛盾的要求，醫(yī)院希望基于它提高效率，卻又不能因為追求效率犧牲診療質(zhì)量，希望它學習專家經(jīng)驗，卻又不能讓模型變成無法解釋的黑箱，希望它不斷迭代，卻又需要同時必須確保敏感醫(yī)療數(shù)據(jù)的安全。

首都醫(yī)科大學附屬北京安貞醫(yī)院高血壓中心主任程文立將臨床對AI的要求概括為五點：安全性、有效性、可解釋性、合規(guī)性，以及長期可持續(xù)的更新和迭代。

這五點意味著，醫(yī)療大模型很難完全照搬通用大模型的發(fā)展路徑。

通用大模型可以先上線，再通過用戶反饋不斷修正，醫(yī)療大模型在進入真實診療之前，就必須經(jīng)過更嚴格的驗證。

這也是為什么，安貞醫(yī)院與中國電子云首先選擇了高血壓。

相關(guān)統(tǒng)計數(shù)據(jù)顯示，我國18歲及以上居民高血壓患病率為27.5%，患者約2.45億人，與此同時，高血壓也是導致冠心病、腦卒中等心血管疾病和死亡的主要原因之一。

程文立教授告訴我們，我國高血壓患者的知曉率51.6%和治療率為45.8%，控制率只有16.8%，這意味著，患者數(shù)量龐大與規(guī)范診療能力不足同時存在。

這樣的壓力，最終會傳導到醫(yī)院和醫(yī)生身上。

據(jù)程文立教授介紹，安貞醫(yī)院高血壓中心的診療技術(shù)水平較高、深得患者信賴，日門診負荷也比較大，醫(yī)生需要在有限時間內(nèi)完成評估、診斷和治療。

如果能把高血壓診治的規(guī)范與臨床經(jīng)驗與AI結(jié)合形成智能化的大模型，減輕醫(yī)生負荷，又能輔助提高基層醫(yī)生診療能力，將有助于改善高血壓疾病的臨床診治。

高血壓恰好為醫(yī)療AI提供了一塊足夠真實的試驗場，患者規(guī)模大，基層需求強，診療指南和風險分層相對清晰，又需要長期隨訪和持續(xù)管理。

正因如此，2025年9月，安貞醫(yī)院與中國電子云組建聯(lián)合團隊，開始推進高血壓專病診療大模型的研發(fā)。

在這個特殊的聯(lián)合團隊中，一半是臨床專家和醫(yī)生，一半是算法工程師，臨床團隊提出診療需求，解釋指南、共識和病例，算法團隊不斷學習醫(yī)學知識，并把原始數(shù)據(jù)治理成模型可以訓練的語料。

在這個過程中，不是某個算法參數(shù)，而是醫(yī)學知識和AI技術(shù)之間的“翻譯”問題。

算法工程師知道怎樣訓練模型，卻不能獨立判斷模型給出的醫(yī)學答案是否正確，醫(yī)生能夠判斷對錯，卻不了解怎樣調(diào)整模型，因而雙方往往需要圍繞同一個病例不斷往返：模型哪里錯了，正確答案是什么，應該增加哪些樣本，下一輪又該怎樣驗證。

在此基礎(chǔ)上，這一項目將100多個國內(nèi)外指南和共識納入到了高血壓專病診療大模型中，模型面對一個病例時，不只會給出結(jié)論，還會解釋依據(jù)。

例如，一位患者的血壓是180/100mmHg，這樣的血壓屬于哪一級、處于什么危險程度，是否需要進行繼發(fā)性高血壓篩查，是否需要立即干預，長期治療又有哪些方案，針對這些問題，模型需要依照指南給出推薦，并把第一、第二、第三選擇及其理由呈現(xiàn)給醫(yī)生。

據(jù)程文立教授介紹，在現(xiàn)階段驗證過程中，基層醫(yī)生借助模型形成的診療結(jié)果，與安貞醫(yī)院高血壓中心專家意見的符合率達到96%，用時約6秒。

02 從6秒診療到全病程管理，醫(yī)療AI嵌入全服務流程

如果項目只追求一次診斷的速度和符合率，它依然只是一個更專業(yè)的輔助診斷工具。

但高血壓是一種需要長期管理的慢性病，患者走出診室后，還涉及按時服藥、院外血壓監(jiān)測、生活方式干預、復診、并發(fā)癥風險識別和上下級醫(yī)院轉(zhuǎn)診。

一次正確的診斷，并不等于完成了疾病管理，這也是這個項目會從高血壓診療大模型走向全病程管理平臺的原因。

程文立教授介紹，Idiom平臺集合了AI引擎、本體引擎、數(shù)據(jù)引擎、業(yè)務引擎、科研引擎和運維引擎，具體落到醫(yī)院中，對應的是門診診療、病房治療、出院隨訪、院外血壓監(jiān)測、風險回流、數(shù)據(jù)沉淀和模型迭代整體服務鏈路。

患者在中心醫(yī)院完成診療后，回到基層醫(yī)院接受長期管理，基層醫(yī)生發(fā)現(xiàn)高風險或復雜病例，可以向上轉(zhuǎn)診，患者病情穩(wěn)定后，又可以回到基層繼續(xù)隨訪，模型在這個過程中提供知識和決策支持，平臺則把不同層級的醫(yī)院、醫(yī)生和患者連接起來。

這一步改變了醫(yī)療大模型的產(chǎn)品形態(tài)。

過去的很多醫(yī)療AI應用集中在某個點上，識別一張影像、生成一份報告、回答一個問題。

全病程管理面對的則是一條時間跨度更長的服務鏈，它不僅要理解患者此刻發(fā)生了什么，還要記錄患者此前接受過哪些治療，接下來需要做什么，以及風險出現(xiàn)時應該回到哪一級醫(yī)院。

安貞醫(yī)院高血壓中心積累的診療標準、專家經(jīng)驗和科研能力，也因此有了另一種輸出方式。

過去，基層醫(yī)生想學習頂級專家的經(jīng)驗，通常需要到中心醫(yī)院進修，或者在具體病例中獲得指導，這種方式效果直接，但受制于專家數(shù)量、培訓時間和地域距離。

大模型帶來的是一種新可能，把指南、共識和專家經(jīng)驗固化為可調(diào)用的能力，再通過全病程平臺下沉到基層，專家不需要親自參與每一次普通病例診療，卻能夠讓更多基層醫(yī)生按照相對統(tǒng)一的規(guī)范進行評估和治療。

這正是醫(yī)療AI與其他行業(yè)大模型不同的地方，醫(yī)療領(lǐng)域真正稀缺的并不是答案，而是經(jīng)過驗證、能夠追溯并且可以持續(xù)更新的專業(yè)能力。

據(jù)程文立教授透露，這一項目目前已經(jīng)在浙江湖州等地開展臨床驗證，在基層醫(yī)生使用平臺后，診療水平能夠得到明顯改善。

此外，這一平臺還被用于三級轉(zhuǎn)診、雙向轉(zhuǎn)診、臨床隊列建設(shè)、科研數(shù)據(jù)共享和前瞻性隊列研究。

由此來看，這一平臺承載的已經(jīng)不只是一個模型，而是醫(yī)院的一部分醫(yī)療服務流程。

醫(yī)療大模型落地，還有幾道門檻？

盡管現(xiàn)在中國電子云與安貞醫(yī)院聯(lián)合打造的高血壓專病診療大模型的準確率已經(jīng)達到了96%，不過，程文立教授告訴我們，他們的目標是將這一數(shù)據(jù)進一步提升到99%。

3個百分點看起來不多，但越是接近目標，剩下的問題可能越復雜。

程文立教授告訴我們，此前，模型準確率從80%提高到96%，整個過程大約只用了三四個月，前期的問題可能來自知識不足、數(shù)據(jù)治理和常見病例覆蓋不夠，但到了后期，模型需要面對的往往是更加少見、復雜或存在多種合并癥的病例。

最后3個百分點的問題究竟來自哪里，現(xiàn)在還沒有一個簡單答案。

這也對雙方組建的聯(lián)合項目團隊提出了更高的要求，中國電子云高級副總裁黃鋒告訴我們，這要求聯(lián)合團隊在湖州、邯鄲等醫(yī)院的真實臨床環(huán)境中繼續(xù)驗證，醫(yī)生發(fā)現(xiàn)模型判斷存在偏差后，要指出問題和正確答案，算法團隊再把這些反饋整理成新的訓練樣本，對模型進行調(diào)優(yōu)。

黃鋒指出，隨著更多醫(yī)生使用，模型能夠獲得更多正負樣本，逐漸形成“使用—反饋—訓練—再使用”的數(shù)據(jù)飛輪，從而將模型的準確率進一步提升。

不過，要想真正讓這樣的醫(yī)療大模型在各大醫(yī)院普及開來，不容忽視的還有標準和認證問題。

程文立教授告訴我們，通用大模型一般是需要在網(wǎng)信部門備案，但醫(yī)療大模型通過臨床驗證規(guī)模化應用前，仍需要拿到醫(yī)療器械認證。

目前雙方團隊已經(jīng)在籌備醫(yī)療器械認證的工作，但這仍然需要一定的時間。

不難發(fā)現(xiàn)，高血壓專病診斷大模型為醫(yī)療AI領(lǐng)域提供了一條清晰的落地路徑，從一個需求明確的專病切入，由醫(yī)學專家和算法工程師共同訓練，在真實環(huán)境中持續(xù)驗證，再把模型嵌入門診、住院、隨訪和轉(zhuǎn)診流程，最終將一家中心醫(yī)院的專業(yè)能力輸出到更多基層機構(gòu)。

當AI走到這一步，決定其價值的就不再是它掌握了多少醫(yī)學知識，而是它能不能讓醫(yī)生少一點負擔，讓基層診療多一點規(guī)范，為患者提供更好的醫(yī)療服務。