专科智能体的底座不是算力，是10万份标注病例：清华长庚肝胆"超级医生"是怎么炼成的
9月12日闭幕的2026年服贸会健康卫生服务专题展上，清华大学附属北京清华长庚医院董家鸿院士团队牵头研发的AI肝胆超级医生智能体亮相。该系统是我国首个覆盖肝胆疾病全生命周期的专科全流程智能诊疗系统，以医院10万余例真实肝胆病例和40余部临床指南标注知识库为核心资源，构建"专家思维—临床路径—智能决策"三位一体决策模型。多智能体以"规则引擎+知识图谱+大模型"协同运作，结论算得出、可追溯、可审核；3M精准手术规划通过多目标优化完成术前三维重建与切除方案模拟，为高难度肝脏手术提供量化决策依据。目前该系统已上架全市"医生共享助手"平台，在昌平、朝阳等区46家医疗机构规模化落地，并向广东、浙江、福建及青海、西藏等地推广。本届服贸会2号馆健康卫生专题展吸引了礼来、飞利浦、武田等企业参展，世界500强及行业龙头参展比例达62.7%，AI技术落地应用是高频词汇。
把一家大模型的新闻稿翻译成人话：清华长庚医院董家鸿院士团队做了一个专治肝胆疾病的AI"超级医生"，9月12日在服贸会上亮相。它最值钱的部分不是大模型本身，而是底下那两层——10万余例真实病例和40余部临床指南做成的"标注知识库"。这东西为什么难做、怎么做的，才是本篇想讲清楚的事。
一、产品卡片：这个智能体是什么、强在哪、给谁用
先看基本盘：
- 是什么：我国首个覆盖肝胆疾病全生命周期的专科全流程智能诊疗系统——AI肝胆超级医生智能体，由清华大学附属北京清华长庚医院董家鸿院士团队牵头研发。
- 强在哪：不是单点问答工具，而是覆盖筛查、诊断、手术规划、随访管理全流程的决策支持系统，且结论"算得出、可追溯、可审核"。
- 给谁用：目前已经上架北京全市"医生共享助手"平台，在昌平、朝阳等区46家医疗机构规模化落地，服务对象是一线临床医生，尤其是缺乏肝胆专科资源的基层和综合医院。
一句话定位：这不是ChatGPT套个医学壳，是把一个肝胆专科团队的"临床脑子"系统化搬进了机器。
二、数据底座拆解：10万病例+40部指南怎么变成可计算的知识
这是整个产品最硬核也最难复制的部分，值得展开讲。
第一层：10万余例真实肝胆病例。 清华长庚是国内肝胆外科的顶级中心之一，董家鸿团队数十年积累的病例本身就是稀缺资产。但"有病例"和"有可用数据"之间隔着一道巨大的鸿沟——每一份病例都要经过结构化处理：病史、检验、影像、手术记录、病理、随访结局，逐项标注、对齐、质检。10万例的量级意味着这背后是一个持续多年的数据工程，而不是一次数据采购。
第二层：40余部临床指南的标注知识库。 指南是文本，机器要能用，就必须"代码化"——把"推荐意见"拆成可执行的规则、可检索的知识条目、可追溯的证据链。40余部指南覆盖肝胆疾病的诊断、治疗、手术适应证、随访标准，相当于把专科的"执业规范"变成了机器可推理的约束条件。
为什么说这是底座？因为专科智能体的可信度上限由知识库质量决定，下限由病例覆盖度决定。**算力可以买，模型可以换，这两层数据资产买不到。**这也回答了一个行业常见误解——"接个大模型API就能做医疗智能体"——不接真实病例和结构化指南的大模型，在专科场景里只是一个"很会聊天的实习生"。
三、"三位一体"决策模型：规则引擎、知识图谱、大模型各管什么
技术架构上，这个系统用多智能体协同，"规则引擎+知识图谱+大模型"三件套分工明确：
| 组件 | 负责什么 | 为什么必须用它 |
|---|---|---|
| 规则引擎 | 硬约束：适应证、禁忌证、剂量边界 | 医疗安全底线不能依赖概率生成 |
| 知识图谱 | 知识关联：病例—指南—证据链路 | 保证结论可追溯、可审核 |
| 大模型 | 理解与生成：自然语言交互、方案解释 | 把专业输出翻译成医生听得懂的话 |
这个分工释放的信号很重要：**大模型在这个架构里是"交互层"，不是"决策层"。**最终拍板的逻辑锚在规则和图谱上，大模型负责让系统好用、可对话。这也是结论能"算得出、可追溯、可审核"的技术前提——纯生成式方案做不到逐条审计，而医疗场景恰恰要求每一条建议都能回答"依据是什么"。
四、3M精准手术规划：高难度肝脏手术的量化决策
具体到手术场景，系统提供3M精准手术规划：通过多目标优化完成术前三维重建与切除方案模拟。
翻译一下：肝脏手术最大的难点是"切多少"——既要切干净病灶，又要保住足够的功能性肝体积，还要避开关键血管胆管。传统规划高度依赖主刀医生的经验和空间想象力。3M规划把这件事变成量化问题：三维重建病灶与脉管结构，模拟不同切除方案，多目标优化给出平衡解，为高难度肝脏手术提供量化决策依据。
注意措辞：是"依据"，不是"决定"。手术方案最终仍由外科医生确认，系统提供的是把经验判断变成可比较、可复盘的计算结果。
五、从一家医院到46家机构：规模化复制意味着什么
46家医疗机构的落地，是这条新闻里容易被忽略、但含金量很高的数字。
专科智能体的规模化向来有个死结：模型在顶级中心的数据上训练，下沉到基层医院后，病例分布、检查质量、用药习惯全都变了，性能往往打折。而这个系统选择的上架方式是全市"医生共享助手"平台——统一入口、统一服务，这意味着基层医生用的是同一套知识底座和决策逻辑，而不是各自部署后各自漂移。
对行业的启示是：**专科智能体的复制路径，可能不是"卖软件装医院"，而是"平台化输出服务"。**前者每装一家就要处理一次数据环境差异，后者把差异收敛在平台侧。向广东、浙江、福建及青海、西藏等地的推广，也会检验这个模式在跨省环境下的成色。
六、冷静看：专科智能体的边界
最后泼一点冷水，三个边界值得记住：
**其一，全生命周期≠全病种。**肝胆是一个脏器系统内部的纵深覆盖，这套方法论向其他专科（心内、神经、肿瘤）迁移时，数据底座要从头建，没有捷径。
**其二，46家机构的真实使用深度待观察。**上架平台和深度融入临床流程是两回事——是基层医生每天查房真的在用，还是注册了账号偶尔试试，这中间差着一个"清华AI-TEC论文里说的'医生使用意愿'"问题。
**其三，结局证据还没出现。**目前公开信息是落地规模，还没有公开的患者结局改善数据。参照同日Nature Medicine上CRISP研究的严谨表述（观察性研究、不证明结局改善），专科智能体的价值证明同样需要时间。
但方向是清晰的：**医疗AI的竞争正在从"谁的模型大"转向"谁的数据底座厚"。**在这一轮竞争里，顶级专科中心手里的标注病例库，就是最硬的通货。
原文链接：新京报：AI肝胆超级医生智能体亮相服贸会
千方医数集编辑部 出品
