七年前的AI分诊到今天的医疗大模型开源，京东健康的一盘大棋

3 月 6 日，京东健康发布 2024 年全年业绩公告。全年总收入达到 581.60 亿元，年度盈利为 41.57 亿元，收入、净利润超出市场预期，尤其是2024年下半年，京东健康收入实现同比“双位数”的更快增长，展现良好势头。

此前，高盛发布报告指出，中国互联网行业的竞争格局正逐渐分化为两大阵营：AI基建和AI应用。有人将至概括为：“AI基建看阿里，AI与toC产品结合看腾讯”，这句话相当生动。

但笔者认为，至少还有一个角度值得探讨，那就是“AI产业全场景落地看京东”，因为京东拥有零售、健康、物流、工业、政企等广泛产业布局，为AI技术提供了应用落地“产业沃土”。

从目前来看，业内较有共识的观点是，某项AI技术是否有实际的落地价值，在于它能否独立或尽可能在减少人的介入的前提下完成对人的替代性工作，其替代性越强，落地的驱动力就越强，也就越发能发挥独立价值。

从这个角度来讲，一个企业能够有多少需要AI介入乃至独立解决的痛点和需求点，这个企业就越具备AI落地的场景优势。

特别是21世纪的第二个十年，随着AI走向成熟，以及京东健康在整个赛道中的领先优势和规模体量越来越独此一家，人们才对互联网医疗的终局模式有所认识。

这其中的关键要素，当然是目前AI的能力越来越强。但这并不是唯一原因，更重要的是，京东也好、京东健康也罢，它们的基础DNA是不畏难、不畏重，持续靠解决人所难及的问题形成差异化竞争力，靠拉长价值链条形成产业闭环。这种基础特质，决定了此前并不以“技术”为主要标签的京东健康，反而成为了全球互联网健康赛道中AI实践最丰富、最多元的一个综合性实验场。

——导语

01

没有AI ，就没有今天的京东健康

京东健康探索研究院（JDH XLab）首席科学家王国鑫有一句话说的很好，他认为——如果没有过去十年或者十几年持续发展的AI技术，京东健康的互联网医疗业务能不能成功，以及能不能走到今天，都会打一个问号。

从2018年京东互联网医院问世开始，就可以发现，随着时间的发展，AI应用在京东场景中的应用落地密度，与AI+医疗能力的发展时间线完全吻合。

京东健康的早期AI业务孕育在2018年—2019年。

2018年《互联网诊疗管理办法》开始明确允许AI辅助分诊，从政策层面消除了AI进入医疗场景的障碍。

事实上，京东健康渴盼这个时刻的到来。这是因为，2019年京东健康独立运营后，在线问诊服务量同比增长超300%，传统人工分诊效率不足（日均处理量约10万次），亟需AI技术缓解医生资源紧张问题。

京东健康的AI能力同步开始体系性构建。几乎是同期，京东AI Lab迅速完成了医疗知识图谱构建（覆盖超8000种疾病、20万条症状关联），为AI分诊1.0、AI审方1.0在2018年的落地提供了技术基础。

初代的AI分诊尚没有大模型的加持，主要依靠自然语言理解来解析患者的主诉，可以初步将患者匹配至12个一级科室（如内科、外科）和58个二级科室（如心血管内科）。

但由于初期的预训练数据不足，1.0版本的分诊准确率大概在70%-80%，还有巨大的提升空间。

于是在2020年，京东健康的AI分诊进行了大幅度升级，开始接入京东健康自建医疗知识库，分诊准确率提升至90%左右。同时开始支持图像识别和语音交互，进入多模态分诊时代。

而一直发展到今天，分诊系统已经与京东健康“京医千询”大模型融合，实现跨科室联合诊断建议，并接入医保智能审核模块，形成“分诊-诊断-支付”全链路AI辅助。

AI+能力的发展，一直在持续推动京东健康从早期的“流量入口”、“药品零售”向“技术驱动型的医疗平台”转型，而这一模式，则是整个京东健康在AI时代的主路径。

这其中的重要时点还有，2021年，AI开始第一次为京东健康的医生侧提供辅助诊断能力；2022年，AI从早期的较为集中在诊前、诊中环节，开始切入诊后环节，一个新的闭环在形成。

2022年11月，随着ChatGPT的问世，大模型成为新的AI赋能基座。仅仅几个月后，基于京东言犀大模型的垂类大模型——京医千询大模型问世。

正因为此，大模型底座的赋能价值也得以快速在整个京东健康体系内主动与需求和痛点相结合，从早期的用于解决服务、问诊流程，到开始多面开花。

特别是京医千询迭代到2.0后，我们不难发现，无论是进一步完善服务流程的AI诊中重症风险预警，还是为医生提供专业支持的皮肤症状精细化评估，抑或是服务于患者的AI心理陪伴师“聊愈小宇宙”，AI能力在前端被不断细分化为对toC、toB、toD、toH等不同的业务场景提供支撑。

同时，犹如百川归海，随着京东健康业务的持续正增长，京医千询模型得以依据更丰富的应用反馈不断升级，开始支持整个大健康赛道的全场景应用持续向AI化大闭环演进，并逐步稳定形成了一个“AI与医疗健康服务的全局落地模式范本”。

02

路选对了，才能达到彼岸

笔者与京东健康探索研究院首席科学家王国鑫有过一次深入交流，我们谈及了人类历史上一次非常重要的AI+医疗实践——IBM Watson Health的失败。

这次交流的共识是，这一项目失败的很重要一个核心原因，就是未对自己到底要达到一个什么能力水准和发挥什么作用做到清晰的定位。

王国鑫认为，京东健康之所以在AI+上发展的比较顺利，是因为一直在“仰望未来”和“低头看路”之间取得了平衡。

从这个角度来看，京东健康的AI+能力，主要可以分为三个类别。

第一类，是人和AI都可以做，但AI效率更高的场景。

如AI分诊、AI病历、智能审方等，这类场景要处理的问题相对简单，但实用性很强，属于应该优先落地、可以实现对大量重复性人力劳动替代的场景。

第二类，是人做的不错，但加了AI会做的更好的场景。

这其中比较突出的包括AI辅助诊疗，AI对病情的精细化评估、智能医生助手等业务，它们的作用是帮助医生增强业务能力，进一步提质增效。

以一位皮肤科专家为例，他在一例很容易误诊的病情诊断中，先是根据自己的经验判断为A症。但AI助手则一直提醒他，这一病情同样可以考虑为B症。在AI的持续提示下，这位医生采取了更为审慎的策略，进行了更为精细的检查、检验，最终确诊为B症。

“让我感到惊喜的不完全是AI辅助能力提示了一个正确的方向”，这位医生说：“真正让我感到震撼的，是AI的介入，改变了千百年来门诊医生根据自己的主观经验和检查、观察结果来做出独立判断的这一过程。它更像是一次微型的‘会诊’，提供了基于知识图谱的智力加持，促使医生从另一个维度得到启发和提示，最终提升了诊疗的质量和降低了误诊率。”

而更为重要的第三类，是目前只有人类能做，但AI有望在未来提供替代性方案的，这其中最典型的就是AI独立诊断。

“AI独立诊断是一个非常难的事情，它的难在于医疗的特殊性”，王国鑫说：“任何一次诊断，即使是高年资的人类医生也会面临三种情况，第一是有答案，第二是没有答案，第三是可能有不止一个答案，这里面凝结了非常复杂的思考过程，也是目前AI独立诊断在发展中必须解决的问题。目前来看，这个问题很难在很短的时间里解决。”

仅仅从最粗略的角度来看，AI要想习得人类的诊断能力，就有两个难关。第一个是诊断过程一定是非标化的多模态处理过程，如经典的“望闻问切”就涵盖了对多个要素的提炼和评估；第二是医生的推理、表达过程很难标准化，这对模型获取优质训练数据造成了障碍。

王国鑫则告诉笔者，在这个问题上京东健康已经找到了相对最优解：一方面，在多模态识别的过程中，先通过大量的医学资料的训练，使模型能够基于已有的、既定的病理和诊断建立基本能力，这极大的提升了多模态学习的准确率；另一方面，基于假设验证的过程，通过模型的方式构造了大量的医生推理的路径，形成了问诊、诊断、结论这样的稀疏数据，再与实际过程相结合，实现了对京医千询的诊断能力的有效增强。

一个数据是，根据这套方法，京东健康已经可以在150种皮肤病上实现90%以上的准确率。

王国鑫认为，根据这套方法，可望在3-5年内，让医生智能体可以以目前中等年资医生的水准进行独立的、无人类介入的诊断能力。但在实际应用中，把医生智能体用于直接诊断还需要审慎评估，或会优先用于全面的健康管理场景中，再向独立诊断前进。

03

AI+医疗的一局大棋

结合京医千询大模型及部分数据集的开源，我们似乎可以发现，在整个医疗领域，京东健康似乎在谋划一局更大的棋。

目前，不同的研究机构对AI+医疗的发展预期并不一致。但若粗略的取其平均数，则未来5-10年中，AI+医疗行业的复合增长率无论如何也不会低于20%。

目前，AI+解决方案市场竞争已经十分激烈，很多企业都与知名医疗机构合作，推出了智慧医疗的相关示范项目。

但是，这些示范项目有一个共同特点，就是在单点创新上不乏新意，但大部分都是“量身定制”的非标式项目，在大批量复制和普惠效率上仍有诸多短板。

与此相反，京东健康与在全国三级公立医院绩效考核中位居前列的温医大附一院等医院在全场景智慧医院上的业务合作，却更倾向于展示高可复制性。

接近京东健康的人士告诉笔者，目前已有百余家医疗机构在“排队”，希望与京东健康合作打造类似的全场景智慧医院。

这和前述的京医千询大模型的开源，关系密切。

目前，互联网医疗大模型已经成为行业竞争焦点，开源自身模型可以提升自身的技术透明度，获得行业的信任，建立与闭源模型形成差异化的行业竞争力，而这将极大的加强京东健康在医院侧业务的延展。

此前，虽然已经有许多的智慧医疗示范案例，但大部分案例只是基于一次性的改造，其后期应用水平和升级空间都有很大的不确定性。

相反，京东健康的toH端业务，是真正“活的”体系式赋能，它基于一个持续维护、进步的AI底座和一个可共享的生态，不但在透明性上更高，尤其具有某种高可持续性。可谓是一次赋能、永续升级、生态支撑的模式。

例如，目前温医大一附院目前已经实现多种智能化服务，如个人就医管家、全流程无感陪诊、“室内高德”式就医导航、智能病历撰写辅助、AI辅助诊疗等toC、toD、toH多方面的能力。这些能力是通过基于京东卓医这个产品来进行提供的。某种程度上，京东卓医就可以看作是每个医院都可以安装的“智慧医疗操作系统”，这个操作系统有其高度的一致性，也有一定的个性化能力，但它最大的特点还是非常强的可复制性。

和很多医疗机构的智慧医院解决方案的二次升级、开发都需要依赖第三方不同，京东卓医的升级和内核更新，主要来自于京医千询开源生态带来的提升，而且方式多样。

如果打个比方的话，“安装”了“京东卓医未来数字医院”这个“操作系统”的医疗机构，既可以在开源社区里主动寻找新的功能、模块，用类似在应用市场里下载新的APP一样，去升级或新增功能模块；也同时会伴随着京东卓医，以及卓医所基于的京医千询大模型底座的升级，实现自动、无感、即时的永续升级。

同时，这又把对医院所需要的专业AI人员的需求将到了最低。也就是说，传统医疗机构并不需要常年维持一个AI开发团队，而还是可以集中精力做好医疗机构该做的事。

而对于京东健康来说，由于有AI底座能力+操作系统+生态，不仅在医院客户接入后，可以便捷的持续升级服务能力，获得更强的用户粘性。更重要的是，每一家新的医疗机构的加入，就相当于增加了一个可以提供持续的需求反馈和数据反馈的来源，而随着数据越来越多、多模态能力越来越全面、智能体能力越来越强大， 这些医院会越发感到“单点贡献，多点收获”的好处，进而就将和京东健康的生态体系，形成一个良性互动、深度吻合、持续提升的全天候数字化医疗共同体。

这不仅是医疗行业所需要的新质生产力的最佳输出和培育方式之一，似乎也是中国式互联网医疗+智慧医疗的终局模式，它从单点、全场景、全行业不同层次深度契合，同时又因为其开源社区的特性，兼具有松耦合属性。

04

结语：

此前，笔者曾预测，京东健康将成为toC领域的最大的医疗健康类的ai落地场景，现在，这已经变成了事实。

另外，在2月24日更新的MedBench 评测榜单上，“京医千询”医疗大模型以综合得分96.1位列榜首；在权威医疗评测集MedQA上，也获得88.9的高分。这与京东健康的行业地位，非常相称。

开源会迅速形成生态，而下一步，这个全场景生态中产生的数据、智慧和能力模块，会通过开源大模型+生态+操作系统式的产品体系的方式，向全行业有意愿的机构、医院分发，最终通过C侧和H侧的双轮驱动，推动中国AI+互联网医疗的国际竞争力和创新活力，成为具有世界水平的互联网医疗健康的创新策源地。