復診不用跑醫院，AI能幫醫生減少70%線下工作，患者省時又省力

1

嗨，各位讀者朋友，小銳今天這篇科技健康觀察，聚焦人工智能在醫療領域的深度滲透，特別是中醫體系迎來的智能化躍遷——復診不再需要奔波醫院，AI已能協助醫師削減七成線下重復勞動。

2

截至2025年底，國家層面正式出臺指導意見，明確到2030年將實現智能輔助診療在基層醫療機構的全面覆蓋，并推動二級及以上醫院廣泛部署AI診療支持系統。在這一政策背景下，AI究竟如何真正嵌入臨床流程？那句“減少70%線下復診”的承諾背后，又蘊含著怎樣的技術路徑與行業重構邏輯？

3

復診減負落地：AI重構醫患的時間分配

4

就醫難的問題，往往集中在復診環節。許多患者為一次常規病情追蹤，不得不耗費半天時間排隊候診，而醫生則需反復處理相似癥狀描述，陷入低效溝通循環。

5

這種資源錯配的現象，正被人工智能逐步扭轉。當前實踐表明，由傳神語聯研發的“名醫孿生智能體”已在部分中醫門診投入運行，并取得顯著成效——可幫助中醫師降低約70%的線下復診工作量。

6

這意味著什么？對患者而言，日常隨訪無需親臨醫院，在家即可完成狀態反饋與用藥指導，不僅省去交通與等待成本，還能更穩定地執行治療計劃，提升依從性。

7

對于執業醫師來說，寶貴門診時間得以釋放，能夠集中精力應對初診病例和復雜病癥，既提高了首診服務質量，也優化了機構運營效率。值得注意的是，AI并非替代醫生進行診斷決策，而是承接標準化、程序化的跟蹤任務，承擔起“數字助手”的角色。

8

技術破局關鍵

9

AI之所以能達成如此顯著的減負效果，根本在于其選擇了差異化的技術發展路線。進入2025年，人工智能產業整體呈現出高普及率、淺應用層、理性回歸并重新定位的發展態勢。

10

行業普遍摒棄了以往單純追求參數規模與算力堆疊的競爭模式，轉而注重性能與參數之間的最優配比，即所謂的“性參比”。在醫療這類垂直領域，輕量化模型設計、低成本部署能力成為主流方向，甚至已有研究者開始反思傳統Transformer架構的適用邊界。

11

傳神語聯的技術策略，并非基于通用大模型做微調優化，而是從底層出發重構神經網絡結構。他們未采用主流的Transformer框架，而是自主研發出zANN架構。

12

在中醫AI應用場景中，這種底層創新展現出獨特優勢。由于中醫流派紛繁、術語體系多樣、標準化程度較低，構建高質量訓練語料極具挑戰。若僅依賴通用模型微調，極易遭遇適配瓶頸，如同試圖在他人建造的建筑基礎上強行改造，空間極為受限。

13

基于此技術理念，團隊推出“傳神素問”中醫專用大模型，實現了一項重要突破——具備主動式問診能力，能模擬專家思維發起追問，據現有公開資料判斷，這可能是國內首個具備該能力的中醫大模型。

14

2025年8月，該模型順利通過中國信息通信研究院組織的可信AI中醫藥大模型能力評估，榮獲4加級認證，達到信通院在中醫類模型評價中的最高等級標準。

15

同年10月完成的國醫大師數字孿生項目中，方藥推薦一致性高達95%，涵蓋四診采集、辨證分析、病機推導至處方生成的全流程匹配度達93.5%，這一數據表現甚至可能超越傳統師徒口授心傳的實際傳承效果。

16

價值延伸

17

人工智能對中醫的影響，遠不止于減輕復診負擔，更深層次地推動著整個行業的知識傳承機制與服務形態變革。

18

長期以來，中醫人才培養面臨周期漫長、經驗流失、復制失真三大難題。一名學子跟隨名醫學習，從入門到獨立行醫平均耗時8至14年；即便完成學業，也難以完整還原導師的臨證思維與用藥風格。

19

數字孿生技術恰好破解了這一困局。借助國醫大師的數字化分身，學員可實現全天候互動交流，實時獲取辨證邏輯與組方思路，使隱性知識顯性化、碎片經驗系統化。

20

在教育場景中融合孿生模型輔助教學，有望大幅縮短人才成長周期。這種新型培養模式打破了傳統師徒制的時間與地理限制，讓頂尖中醫智慧得以跨區域、規模化傳播。

21

規模化挑戰與未來展望

22

盡管“AI+中醫”展現出巨大潛力，但要實現大規模推廣，仍面臨多重障礙。其中最關鍵的，并非技術本身，而是觀念認知的轉變，這一阻力貫穿患者接受度、醫生信任感以及制度審批等多個維度。

23

面對現實困境，傳神語聯采取分階段推進策略，優先選擇價值清晰、落地可行的場景切入。規劃顯示，傳承培訓與康養管理兩類場景最有可能率先取得突破。

24

前者因其成果易于驗證、邏輯自洽性強，更容易獲得學術界與醫療機構認可；后者貼近大眾健康管理需求，公眾接受意愿高，畢竟現代人更傾向通過生活方式干預預防疾病，而非被動服藥治療。

25

同時，企業正聯合多家醫院開展聯合科研項目，在真實臨床環境中打磨算法精度、驗證干預效果，逐步形成行業共識與技術規范，為后續全面鋪開奠定基礎。此外，因診所決策鏈條短、靈活性強，也成為重點推進的應用終端。

26

展望2026及未來幾年，AI賦能中醫的核心轉變將是：由依賴個體經驗驅動，轉向以數據為核心支撐的新范式。AI的角色也將從零散的功能模塊，進化為深度融合中醫診療邏輯的場景化智能體。

27

多模態大模型將與傳統機器學習方法、規則引擎形成分層協同架構，構成技術底座。例如，利用多模態技術整合望診圖像、聞聲語調、問診文本與脈象信號等全維度信息，再通過規則系統關聯經典醫案庫與診療指南，實現科學化推理。

28

無論技術演進到何種階段，必須強調一點：AI始終定位于輔助地位，最終診療決定權與法律責任歸屬，依然由注冊中醫師或合法醫療機構承擔。

29

從長遠視角看，隨著技術成熟與監管體系完善，“AI+中醫”有望推動這一古老醫學體系擺脫依賴個體傳承、服務范圍有限的局面，邁向標準化、可復制、廣覆蓋的現代化發展階段。

30

讓優質中醫資源經由AI平臺下沉至基層社區，使每位居民都能享有定制化的健康照護服務，這不僅是中醫現代化的關鍵路徑，也將為“健康中國”戰略提供強勁動能。