长此以往,优质医疗资源高度集中于少数三甲医院,难以流动、复制和共享,恰如被装进玻璃罩的光,璀璨却难以普照周遭。
这不仅造成了资源的 " 灯下黑 ",更形成一种难以打破的虹吸循环:人才不断向中心汇聚,而患者为寻求可靠诊疗只能向上集中,加剧了大医院的拥堵与基层的能力不足,还常因 " 医检诊药 " 流程割裂,不得不在多个场景间辗转,就医体验被切割成碎片。
医疗 AI 本应是破局的关键,但多数模型停留在健康知识问答的基础层面,面对 " 肺部磨玻璃结节性质判断 " 这类复杂问题便束手无策,医生不敢也无法用于临床,长期陷入试点困局。当技术与场景脱节、资源与需求错位,普罗大众与普惠医疗之间始终隔着一道鸿沟。
9 月 25 日,在 2025 年京东全球科技探索者大会(JDDiscovery)上,京东健康一次性展示三大核心成果。京医千询 2.0 实现从 " 能回答 " 到 " 会决策 " 的技术跃迁;行业首个能看病的 AI 医院落地,首创 AI 驱动的 " 医检诊药 " 全流程闭环;CGM(动态血糖监测)智能互联生态以 "AI+ 硬件 + 服务 " 构建起从监测到干预的健康管理体系。这些实践绕开了 " 技术炫技 " 的陷阱,紧扣解决实际问题的核心——解决深夜看病的急、看不懂报告的慌、专家分身乏术的忙、基层医生缺专家能力的难。
这一次,京东正面回答了 " 如何让 AI 真正解决医疗痛点 " 的行业命题:绝不单纯是技术参数的比拼,而是融入临床场景、解决实际问题,让优质医疗资源跨越壁垒,真正实现人人可及。
医疗 AI 技术落地三大难题
医疗 AI 的落地困局贯穿患者、医生、医院全链路,集中体现在技术能力断层、服务场景割裂与优质资源下沉难三大核心问题上。
技术层面来看,从信息问答到诊疗决策中间的能力是长期断层的。
临床诊疗需要 AI 具备 " 会决策 " 的深度能力,能解读多模态医学报告、制定个体化诊疗方案,但当前多数医疗 AI 仍停留在规则驱动的初级阶段,本质更像一个可交互的 " 健康知识库 "。
它能机械回应 "CT 检查发现肺部结节怎么办 " 这类基础问题,却无法处理 " 一位 60 岁有吸烟史的患者,低剂量螺旋 CT 发现一个 8mm 的磨玻璃结节,边缘欠光滑。请结合患者的年龄、吸烟史和结节特征,评估恶性风险概率,并给出具体的随访时间间隔建议 " 的复杂需求。
而传统模型的推理过程如同 " 黑箱 ",既缺乏循证医学支撑,也无法解释决策逻辑。这让医生不敢用,也无法用于核心诊疗环节,最终只能沦为科普、咨询等边缘场景的辅助工具,与临床实际需求严重脱节。
" 医检诊药 " 服务场景流程的割裂,则让数据成为 " 信息孤岛 ",致使患者就医体验不佳、整体效率低下。
当前患者就医的路径繁琐,常常需要独自协调线上平台、检查中心、医院、药房等多个场景。例如,患者先在独立 APP 上完成挂号,就诊后要自行前往另一窗口或自助机缴费,检查报告又往往需要通过第三个渠道获取。当需要跨院诊疗或寻求第二意见时,由于数据不互通导致问诊历史记录断档、报告无法共享,即便是同一家医院内部,处方信息与药房系统也时常脱节,患者缴费后仍需在药房前长时间等待。
整个过程中,患者如同人肉数据中转站,在不同机构、系统与窗口之间奔波往返、重复沟通,不仅耗费大量时间与精力,还可能因信息缺失或传递误差,影响到医疗判断的准确性与连续性。
更深层的痛点根植于医疗资源的分布失衡。优质医疗长期汇聚在金字塔尖,难以向底部渗透,基层能力因此出现断层,传导至患者端就演化成 " 大城市看病挤、小城市看病难 " 的格局。
三甲医院医生的日均接诊量饱和,清晨挂号大厅便水泄不通,专家号更是一号难求。与此同时,社区卫生服务中心、乡镇卫生院等基层机构,虽守护着居民健康的第一道防线,却长期处于缺专家、缺技术、缺经验的状态。面对稍复杂的病情,基层医生往往建议转诊,而传统的专家下乡、远程会诊方式又受限于时间与空间,难以形成规模化覆盖。多重因素叠加,让本应承载的 " 资源平权 " 使命的医疗 AI,始终难以在广袤的基层市场扎根发芽。
把三甲医院 " 装进口袋里 "
如何啃下三块硬骨头,推动医疗 AI 从边缘辅助角色走向诊疗核心环节,还得在构建经得起临床拷问的算法体系、打通就诊全流程闭环、推动医疗资源整合上下功夫。
京东健康此次的三步落子,通过京医千询 2.0 的技术突破、AI 医院 1.0 的场景革新与 CGM 智能互联的生态协同,走出了医疗 AI 落地的新路径。
在技术底层,京医千询 2.0 实现从全科迈向复杂专病的跨越,作为行业首个融合 " 可信推理 + 全模态能力 " 的医疗大模型,其从 1.0 的 " 静态规则驱动 " 跃迁至 2.0 的 " 动态循证智能 ",打磨形成 " 三引擎 + 四模型 " 底层技术架构,提升了 AI 在复杂医疗决策中的可靠性与可解释性。
笔者从 JDD 大会上了解到,与上个版本相比,京医千询 2.0 升级了动态循证知识库及千亿参数全模态模型,能够实时调用医疗文献、临床指南及真实世界数据(RWD),引入证据置信度量化引擎。在认知维度上,2.0 突破单一文本理解局限,能看懂 CT/MRI 影像、听懂语音问诊、解读检查单,知识体系与推理能力均实现质的飞跃。
从交互体验来看,模型首创完全自由问诊对话,可模拟人类医生的问诊方式进行多轮病情询问;推理过程则严格遵循医生临床诊疗思维路径,正确使用循证知识,能根据内外部知识、思维深度与问题难度进行自适应调整,还具备反思机制与专家反馈的自进化能力,以技术渐进式逼近人类医生的临床认知边界。
一个数据是,京东健康每年都会投入数十亿研发资源建设算力底座,全力打磨京医千询大模型。此 2.0 版本将继续开源开放。
在当前从 " 互联网 +" 迈向 "AI+" 的产业浪潮中,中国人工智能的发展正逐渐超越单纯的技术追赶,转向更加成熟、自信且务实的 " 生态驱动 " 阶段。
作为这一趋势的实践者,京东健康已构建起一张覆盖健康全场景的 AI 宏图,打通线上与线下,服务范围从泛健康人群延伸至疾病人群,贯穿严肃医疗与消费医疗两大板块,融合健康服务与健康商品。AI 能力如同血液一般,渗透至业务的每个环节,实现了从日常健康管理、精准疾病诊疗到专业康复指导的全链路智能化支撑。
此次 JDD 大会,京东又正式发布了行业首个全场景智能医疗服务平台—— AI 医院 1.0,标志着 " 医检诊药 " 全流程智能健康服务新范式的建立,从此每个人都有条件拥有 " 口袋里的三甲医院 "。
AI 医院汇聚了多个专业 AI 服务角色,构建起 "AI 京医 " 为核心的健康专家矩阵,面向患者覆盖面在线问诊、AI 导诊、上门检验、AI 药房、健康管理等需求模块,面向医生则推出 AI 医学搜索、AI 辅诊等医教研智能助手,累计服务用户超 1.5 亿,满意度达 97%。
其中,AI 医生 " 大为 " 作为代表性应用,融合了多模态大模型能力,具备可信的医学推理与人性化交互体验,成为家庭值得信赖的 " 数字健康守门人 "。用户数据显示,30% 的咨询由妈妈发起,12% 的咨询发起于深夜 0 点,近七成用户来自三线及以下城市,用药、慢病管理、日常健康均是用户关注的高频问题。
目前,京东健康推出的专家医生智能体平台,已吸引全国 400 余家三甲医院的千余名权威专家入驻。通过构建医生 " 数字分身 ",解决了诊前 95% 的重复问题,诊中提效超 50%,诊后患者管理触达超千万人次,减轻了医生重复性工作的负担。
在 AI 医院里,流程被极致优化,等待被有效消除,专业被无限放大,而人文关怀则贯穿始终。
AI 普惠重塑资源分配逻辑
京东健康的 AI 医疗实践,其意义远不止技术突破与流程增效,更在于对医疗资源分配逻辑的根本性重塑。
通过构建超过千名的专家医生智能体网络,京东健康将曾经高度集中于顶尖医院的诊疗智慧,从三甲医院的 " 玻璃罩 " 中释放出来,转化为基层医生随时请教的云端顾问,以及百姓触手可及的口袋专家。这不仅是对传统 " 中心虹吸 " 模式的突破,更是优质医疗资源的系统性平权,初步构建起一张以患者为中心、资源按需流动的分布式医疗网络。
在提升资源可及性的同时,AI 医院也重构了就医体验,将患者从以往奔波协调的碎片化场景中解放出来,让医疗服务真正回归 " 以人为中心 "。
正如京东健康医疗服务技术产品负责人袁晓春分享的案例所示,一位妈妈深夜通过 AI 医生 " 大为 ",同时为女儿的发育、丈夫的肠胃和自身的更年期问题寻求帮助—— AI 能有效化解深夜无医可询的 " 急 " 与看不懂报告的 " 慌 ",提供了一个全天候、有温度、一站式的问题解决窗口。这种就医体验的重构,显著降低了健康管理的门槛,使普惠医疗变得可感知、可信任。
作为行业早期布局者,京东健康的角色早已转向普惠医疗生态的共建者。通过 " 京医千询 " 大模型等底层能力,链接起更多医疗器械厂商、赋能更广泛的医疗机构,与合作伙伴共同将健康服务的 " 蛋糕 " 做大。
这不仅是一家企业的技术突破,更是为破解医疗资源分布不均、提升全民健康素养这一社会命题所提供的切实可行的 " 京东方案 "。
一个案例是,京东健康以 CGM 等垂直场景为切入点,联合鱼跃、微泰、三诺等医疗器械企业,通过 "AI+ 硬件 + 服务 " 的模式融合三甲专家智能体的临床经验,实现了从监测、分析到干预的全周期健康管理,多款联名 CGM 上市即热销。同时,基于持续的用户数据反馈,推动服务模式从单次硬件采购向个性化的反向定制升级,形成真正以用户为中心的健康管理生态。
京东健康迄今的实践,已然勾勒出一幅生态共荣的未来图景。这条路虽长,方向已然清晰。AI 的光会照亮更多城乡角落," 优质医疗飞入寻常百姓家 " 正成为现实。
登录后才可以发布评论哦
打开小程序可以发布评论哦