把AI塞进医院，和把医院改造成AI原生，是两回事——清华把后者的第一份真实世界答卷发上了Nature Medicine
9月10日，清华大学团队在Nature Medicine发表AI-TEC智能体眼科诊所真实世界落地经验：AI医疗正从"往流程里加单点工具"的AI辅助范式，转向AI嵌入临床路径全程的"AI原生"健康系统。AI-TEC用五类智能体覆盖患者就诊全程（预问诊、分诊、精准诊断、决策支持、患者支持），2025年11月起嵌入北京清华长庚医院常规临床流程。关键经验：专家审核的高质量临床数据显著提升AI性能、系统设计与运营优化提高医生使用意愿、持续医生反馈支撑迭代。挑战：静默试验无法完全衡量对医生决策与患者结局的影响。评估范式应从"模型多准"转向"AI是否真正改善医疗"。
这是一篇对 Nature Medicine 新作的"人话翻译"。9月10日，清华大学多学科团队发表了 AI-TEC 智能体眼科诊所的真实世界落地经验。它最值得读的地方不是"又登上顶刊了"，而是提出了一个正在改变全行业的问题：医疗 AI 的考题，已经从"模型能不能算准"换成了"医院有没有因此变好"。
一句话看懂这篇Nature Medicine：清华把一家AI智能体眼科诊所真实跑起来的经验写成了论文
9月10日，清华大学多学科团队在 Nature Medicine 发表论文 Initial Lessons from Real-world Implementation of an AI-Agent Eye Clinic in China，系统总结了 AI-TEC（AI-Agent Augmented Tsinghua Eye Clinic，智能体增强清华眼科诊所）从设计到嵌入真实临床流程的经验教训。
论文的核心论断可以这样概括：高性能算法并不自动等于更好的医疗服务。真实世界的临床不是一堆孤立任务的集合，而是一个涉及患者、医生、诊断设备、临床数据和相互衔接工作流的复杂系统。算法分数再高，接不进这个系统，价值就是零。
"AI辅助"的困局：为什么单点工具堆不出好医院
过去十年，医疗 AI 的主流落地方式是"往既有流程里加工具"：一个模型看眼底照片，一个模型算风险分层，一个模型做影像分析。每个工具单测都不错，但医生要做的事变成——分别打开多个系统、分别解读各自的输出、再自己把信息拼起来。
论文把这套路径称为"AI 辅助"（AI-assisted）范式。它的问题不只是麻烦：碎片化的信息处理反而给医生增加了负担，却没有触碰信息割裂、流程断点、资源错配这些系统性问题。
清华团队提出的替代方案叫"AI 原生（AI-native）健康系统"：AI 不再是外挂的工具，而是嵌入临床路径全程的一层智能协调——持续组织信息、支持决策、协调照护。目标从"优化单个任务"变成"优化整个诊疗过程"。
AI-TEC怎么拆任务：五个智能体接管患者就诊全旅程
AI-TEC 的技术底座是一个多智能体框架，覆盖患者就诊前、中、后的完整旅程，每个环节由专职智能体负责：
- 预问诊智能体：就诊前整理患者症状与病史，把非结构化的主诉变成结构化输入；
- 分诊智能体：做风险分层，分配适合的检查项目；
- 精准诊断智能体：整合多模态眼科数据（症状、检查、眼底影像）完成诊断推理；
- 决策支持智能体：为医生提供循证信息支撑；
- 患者支持智能体：把服务延伸到患者教育、随访和长期管理。
关键设计在于信息流转：每个阶段产生的信息会持续传递给后续环节使用。AI-TEC 强调的不是"五个独立工具"，而是智能体之间的协同——这正是它与"AI 辅助"模式最本质的区别。
2025年11月起，AI-TEC 原型已嵌入北京清华长庚医院的常规临床流程，预问诊与眼底图像分析能力跑在真实患者身上。
真实世界给的三个教训（数据质量、医生意愿、持续反馈）
这篇论文最有实操价值的部分，是它坦白总结了落地过程中的经验：
第一，专家审核的高质量临床数据，能实质性提升 AI 性能。 不是"数据多一点就好"，而是数据质量决定智能体上限——这和千方医数集在训练数据工程上的观察完全一致。
第二，系统设计和运营流程，直接决定医生用不用。 再好的模型，如果嵌入方式别扭、增加操作步骤，医生会礼貌地绕开它。
第三，持续的医生反馈是智能体进化的燃料。 一次性部署的 AI 会随时间失效；只有反馈闭环建立起来，系统才能跟着临床一起演化。
评估范式要换了：从"模型多准"到"医疗有没有变好"
论文的第三个贡献是对评估体系的反思。作者指出，AI 进入真实环境后，准确率、灵敏度、特异度这些传统指标已经不足以刻画其价值——一个技术性能优秀的模型，可能因为流程整合差、信息呈现无效、责任边界不清，而无法产生任何临床获益。
更关键的一环在筛查之外：筛查结果能不能转化为有效的转诊、确诊、治疗和随访，才是 AI 价值的决定因素。
边界与下一步：静默试验测不出的东西
论文同样诚实地列出了局限。"静默试验"（silent trial，AI 在旁运行但不干预决策）可以评估真实环境下的算法表现，却测不出 AI 对医生决策、医疗效率和患者结局的影响；真实世界的"参考标准"本身含有不确定性；以疾病为中心的算法任务，也未必对应患者真实的就诊诉求。
一句话总结这项工作的位置：它没有宣布 AI 诊所成功了，但它把"怎么判断 AI 诊所成没成功"这个问题，第一次摆到了正确的坐标系里。对正在规划医疗智能体落地的技术团队而言，这份"踩坑清单"比任何 benchmark 都值钱。
原文链接：清华大学（官网新闻）
千方医数集编辑部 出品
