醫賦科技：搭建中國醫生AI 工作臺，對標 OpenEvidence，領航全球循證新生態

來源：環球網

【環球網健康綜合報道】當全球數字醫療市場以萬億規模展開畫卷，中國正以其超過30%的年均復合增長率，成為其中最富活力的板塊。

然而，市場的繁榮映襯出一個更為深刻的行業命題：在人工智能技術浪潮與“健康中國”戰略交匯的“十五五”新階段，如何構建真正適配中國醫療體系特質、賦能醫生核心生產力的下一代基礎設施？如何將海量的全球醫學知識，轉化為醫生手中精準、可信、即刻可用的決策依據？當美國醫學AI智能體OpenEvidence憑借“AI+循證”模式成為資本市場寵兒時，在中國，一場基于深厚醫學專業主義與本土化場景洞察的實踐，正為這一命題提供更為扎實的注解。

在這場前沿探索中，醫賦科技創始人吳功雄博士帶著哈佛大學歸來的技術積淀與“知識賦能醫生”的初心，打造出以“醫學文獻數據庫+AI智能體”為技術底座的Info X Med平臺。區別于追逐短期熱點的技術套用，醫賦科技選擇了一條更為篤定也更具挑戰的路徑：將人工智能的澎湃算力，嚴謹地錨定于循證醫學的方法論金標準與千萬級權威數據構筑的“證據基座”之上。

這遠非一次簡單的工具迭代，而是一場對醫學知識生產、流通與應用工作流的系統性“重編碼”。其根本目標，是讓每一位中國醫生——無論身處頂級研究型醫院還是縣域基層醫療機構——都能平等、即時且可信地調用全球醫學知識庫，獲得一個能大幅壓縮無效信息檢索時間、提升決策信心的“超級臨床智能工作站”。這一變革的深層意義在于，它將醫生從繁重的知識檢索與初步研判中解放，不僅直接提升臨床與科研場景下的即時效率，更為其創造了持續進行深度學習與專業精進的空間，從而系統性賦能醫生個體與整個醫療體系的能力進化。

筑牢“知識地基”：讓每一句AI回答可追溯、可分級

在醫療AI邁向臨床可信的關鍵隘口，通用大模型固有的“幻覺”問題構成了首要障礙。醫賦科技從創立之初，便確立了“先立其大、夯實根基”的戰略。“自ChatGPT引發范式變革以來，我們的判斷就非常清晰：真正的臨床級AI價值，必須構建在高質量、高合規的專業數據底座之上，并與大語言模型的能力進行深度、有機的融合。”醫賦科技吳博士回顧其技術路徑時談到。

這一路徑的基石，是一個動態匯聚了超過4000萬篇全球權威醫學文獻、國際臨床指南與基金數據的專有數據庫。與依賴開放網絡爬取的信息源截然不同，吳博士強調了其數據管道的純粹性與權威性：“我們與威立（Wiley）等世界主流出版商都簽訂了授權協議，可以獲得全網使用權。這確保了數據源的權威與精準，這也是我們一切工作的起點。”

基于這座持續生長的“證據富礦”，醫賦科技錘煉出其核心產品——循證智能體。它直擊臨床實踐的本質需求：在面對復雜、不確定的臨床場景時，為醫生提供一份實時、有據、分級清晰的決策參考。其核心競爭力，源于對循證醫學“可追溯性”與“證據分級”原則的工程化極致實現。

醫學博士戴海斌教授詳細闡釋了循證智能體的運行邏輯：“該智能體絕不滿足于給出一個簡單的‘是’或‘否’的答案，而是解決了答案的可追溯性問題。”系統在面對查詢時，會自動化執行一套嚴密的證據檢索與評估流程，最終形成結構化的回答，并明確標注每一項建議的證據等級和參考文獻。

這種設計將AI定位為強大的“證據聚合與評估助手”，而最終的臨床決策權與責任，則明確且合理地保留在醫生手中。戴教授總結道：“我們確保所有結論都文獻可溯、證據分級清晰。醫生是專業人士，他們能結合這些透明的證據與自己的臨床判斷作出決策。”

為淬煉這一“證據羅盤”的專業鋒芒，醫賦科技將合作視野投向全球循證醫學的源頭，引入了循證醫學奠基人、加拿大皇家科學院院士Gordon H. Guyatt教授團隊參與深度打磨。此舉旨在將全球最頂級的循證方法論，內化為產品的核心基因。

吳博士還透露：“醫賦科技即將發布全新版本的循證智能體。經過加拿大及美國專家的測試，其在專業度上已不遜于OpenEvidence，甚至在部分精準性上實現了超越。”除了在回答的專業嚴謹性上與國際領先產品齊平，并在針對中國臨床常見問題的精準性與實用性層面展現出獨特優勢，更重要的是，它為中國醫生提供了一個無需跨越國際網絡壁壘、深度整合中文醫學語境與指南的“本土化循證方案”，解決了可及性與適用性的核心痛點。

穿透“醫教研”場景：讓AI融入醫生真實工作流

醫賦科技對自身的定位清晰而堅定：一家“醫療AI數據公司”，其核心能力在于將數據轉化為覆蓋醫生職業全周期的場景智能。吳博士多次強調“深度聚焦、價值閉環”的戰略，而這一戰略，具體映射在對中國醫生“醫、教、研”三位一體能力模型的深度解構與賦能上。

在“研”的場景，科研智能體正重塑醫生與海量文獻的交互范式。它能夠幫助醫生在幾分鐘內完成對單篇文獻的深度解讀，或是對一個領域進行“空白點挖掘”，梳理研究脈絡并提示未來方向。吳博士談到，該在試點合作的三甲醫院中，該工具幫助醫生將文獻調研的泛讀時間平均降低了80%，同時確保了關鍵研究進展的無遺漏捕捉，顯著加速了科研項目的孵化與啟動。

同時，在“醫”的場景，循證智能體致力于填平醫療資源的“知識鴻溝”。戴教授深刻洞察到基層醫療的痛點：“基層醫生水平的所謂差距，根源往往在于知識獲取的不便與滯后。他們外出學習、參加高端會議、獲取最新文獻的機會相對較少。”循證智能體通過自然的語言交互，將分級、溯源的權威證據瞬間推送到醫生面前，相當于為每位醫生配備了一位永不離線、知識實時更新的“循證顧問”。這精準契合了國家衛生健康委推動優質醫療資源下沉、提升農村和基層醫療服務能力的政策導向。

而在“教”的持續成長軸線上，圖書館智能體整合了超120萬道題目的知識庫與繼續教育資源，構建起一個覆蓋從醫學生到資深專家全職業周期的個性化學習系統。這三大智能體并非孤立功能，而是基于Info X Med平臺深度集成、數據互通，共同構成了一個支撐中國醫生終身職業發展的賦能型數字生態。

那么，醫賦科技如何將這個深度的“醫、教、研”專業生態轉化為可持續的商業模式？據吳博士介紹，醫賦科技探索出一條“普惠醫生、服務產業”的雙軌路徑。一方面，其面向廣大醫生提供免費服務。

吳博士與戴教授共同解釋了這份初衷：“我們本身是科研出身，深切理解醫生的需求。最初的想法就是從文獻獲取這一剛性需求入手，特別是助力基層醫生，提升整個中國醫療界的科研能力。”而另一方面的可持續性則通過服務藥企等B端客戶來實現：在平臺設立合規的產品信息專區，并為藥企提供藥物研發趨勢分析、市場格局深度調研等基于數據智能的增值服務。

錨定“人工智能+”：以專業深度迎接醫療AI新階段

事實上，醫賦科技的實踐，與國家對“人工智能+醫療衛生”的頂層設計形成了深刻共振。2025年11月，國家衛生健康委等五部門印發《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》，明確提出到2027年，建立一批衛生健康行業高質量數據集和可信數據空間，形成一批臨床專病專科垂直大模型和智能體應用，基層診療智能輔助、臨床專科專病診療智能輔助決策和患者就診智能服務在醫療衛生機構廣泛應用等。

這無疑印證了醫賦科技所堅持的“垂直深耕、數據驅動”路線的戰略前瞻性。政策的明晰不僅繪制了行業發展的藍圖，更為已在此方向扎實構筑起數據、算法與場景壁壘的企業，錨定了更為廣闊的價值實現空間。

從宏觀經濟與產業生態的視角審視，一個權威、可信的醫療循證智能平臺，其賦能半徑遠不止于臨床醫生。它為醫學生提供了沉浸式的循證思維訓練工具；為藥學與醫療器械企業提供了基于真實世界證據的研發洞察與市場分析；為商業健康保險機構提供了精準風險評估與個性化健康管理方案設計的核心依據，有望引導保險資金向更具價值的預防與健康管理環節流動；最終，通過惠及醫生的“普惠計劃”與未來面向患者的通俗化循證科普，它將助力提升全民健康素養，形成“醫生-產業-支付方-患者”價值正向循環的微觀基礎。

展望未來，醫賦科技吳功雄博士的思考冷靜而務實：“我們的進化方向，是在現有‘醫教研’賦能生態的基礎上，沿著數據價值的縱深化與服務場景的擴展兩個維度穩健推進。無論是面向患者的友好型知識服務，還是面向醫藥產業的深度數據洞察，其核心永遠根植于我們不斷演進的醫療數據智能生態之中。”

在醫療AI從技術演示走向規模應用的關鍵歷史階段，醫賦科技所展現的路徑——以權威數據為護城河，以循證醫學為靈魂，以深度融入中國醫生工作流為依歸——昭示著一種更為扎實、可信的發展范式。它揭示了一個本質規律：在性命相托的醫療健康領域，唯有極致的專業主義、嚴謹的工程實現與深刻的本土化洞察相結合，才能鍛造出真正不可替代的長期價值，從而在“健康中國”的偉大征程中，擔當起一份沉甸甸的技術責任。