AI医疗战火升级！Agent爆发，大三甲争相引入，医疗系统新一轮变革！

2025年，DeepSeek迅速席卷全国医疗行业。

超过300家医院已成功部署DeepSeek，覆盖了患者服务、科研、诊疗、办公、管理等各个方面。

随着DeepSeek带来的大模型普惠，其应用价值又催生出新的可能。当前，一个新的AI医疗应用市场正在迅速展开——医疗AI Agent。

智药局统计发现，近三个月内，多家医院正在基于具体场景需求构建医疗智能体（AI Agent），赛道处于爆发期。

2025年已成为AI Agent+医疗的爆发元年，在海外已经跑出Abrige、Open Evidence等优秀初创公司，国内腾讯、京东、联影等行业巨头也在积极布局。

Agent的百花齐放，也意味着AI医疗大模型从技术试验阶段迈入深度场景化应用阶段。

升维：大模型到AI Agent

和大模型不同，AIAgent到底是什么？

简单来说，AI Agent是以大模型作为核心引擎，具备记忆能力、能够有自主推理和规划工具的使用，从而来解决问题的智能程序。

即AI Agent =大模型+记忆+使用工具+自主规划。

尤其Manus的一鸣惊人，也将Agent的概念带入大众视野。包括OpenAI、英伟达、谷歌等超级AI大厂，都将Agent视为下一个战场。

毕竟通用大模型提供了基础问答能力，但真正的商业价值体现在能够解决特定行业、特定业务流程痛点的Agent应用上。

要知道，从今年2月份起，已经有超300家医院宣布本地部署DeepSeek，提升大模型在医疗系统的渗透率，完成技术和市场的双重教育。

但部署DeepSeek后，能不能真正为医院带来增量价值？

许多医院花费数百万采购大模型以及一体机，却停留在简单对话功能，没能和医疗业务和场景进行适配。

行业普遍的共识是，各家医院需要结合自身业务需求对大模型进行二次开发，需要新的创新性解题思路。

在大模型基础之上构建的Agent，有望真正将AI能力深度融入临床诊疗和医疗管理场景，实现技术到业务的升级。

以病历生成Agent为例，AI能够像人一样获取并且理解患者信息，然后调用和操作数据库与工具，包括与医院MCP平台的接口对接，关联患者病史、检查报告甚至过敏记录，最终生成一份详实的病历。

当Agent能处理医生的真实需求，从助手晋升为伙伴。海外不少医院和公司意识到了Agent产生的巨大价值，探索出一条商业化路径。

美国顶尖医院 梅奥诊所 表示：今年重点评估并投入应用的突破性技术，包括自主化智能体（Agentic AI）驱动的自动化系统。

此外，Abridge、Nabla和Ambience等初创则看到了电子病历自动生成这一赛道，通过“语音识别（ASR）+生成式AI”技术，帮助医生节省大量撰写病历的时间。

Open Evidence作为专为医生设计的AI诊断辅助工具，通过精准的临床支持和创新的商业模式，迅速在美国医生群体中普及。

落地：场景为王

相较于海外生态已初步建立，国内医疗Agent尚且处于行业发展早期。

在部署方式方面，由于Agent涉及到多个大模型和数据库、医疗系统进行交互集成，对工程能力要求更高，由医院提供数据+场景，企业提供技术的大模型开发联盟仍然是主流。

例如，四川大学华西医院发布的睿兵Agent就由华西联合润达医疗、华为、智算云腾等公司共同完成，三家公司分别提供模型、硬件以及云计算服务。

根据当前方面发布的医疗Agent，可以主要分为两大类：

专科Agent

如今， 中国医疗系统面临的主要矛盾在于：有限的医疗卫生资源下，如何最大程度满足人们对健康的需求。

通用大模型能够简单辅助医生诊断，但要解决复杂医学 问题 ，这些 方案难以 达到医学 专家水平 ，可解释性和溯源都较差。

于是，多家三甲医院优先选择训练医学专科智能体，用于解决专科问诊中的各种问题，弥合医疗资源不平衡与患者

例如，上海交通大学附属仁济医院发布首个泌尿专科智能体；江苏省人民医院发布感染控制智能体、东南大学附属中大医院推出肝癌诊疗智能体等。

专业知识才是大模型与真正的燃料，也决定了智能体的表现上限，打造专科智能体需要医院释放知识与数据储备。

但三甲医院电子病历的关键信息以非结构化文本形式存在，难以提取关键信息，且因为患者数据隐私保护而无法开放训练。

针对这一问题，上海交通大学医学院附属仁济医院与蚂蚁集团合作打造的泌尿专科智能体，这是国内首个用疾病结构化数据训练，并在真实医疗场景运行的专科智能体。

该智能体基于仁济97.6%疾病谱的标准化病例数据集，并由泌尿科医生深度参与梳理的知识图谱，可支持多种复杂场景的医疗任务，已累积服务约30万人次。

未来，专科Agent能够整合搜索引擎、电子病历、医学影像等工具和多模态数据，为患者提供个性化的服务。

专科Agent还有望进一步打破基层医疗资源稀缺和不平等的困境，减少误诊和跨省求医需求。

医院运营与患者服务Agent

除开专科智能体外，对于医疗运营与患者服务的更加细致与完善的需求，也催生了由大模型向智能体的进化。

相较于专业壁垒较高的专科Agent，这类Agent更侧重于对医院业务与场景进行梳理与重新编排，更多地由企业方提供技术支持与服务。

不少医院已经上线了辅助问诊/导诊平台，辅助检查报告解读与结构化、病案质控、临床辅助决策、病历书写等Agent。

例如中山医院携手联影医疗，共同打磨了6款“有爱小山”系列医疗智能体并落地到全院。这些智能体包含智能客服、介入手术、质控管理、外科手术、放射智能体，进一步优化医疗效率。

此外，深圳大数据研究院开发的华佗预问诊平台，能够在智能导诊的基础上，为医生提供详尽的预问诊报告，已在多家医院上线。

该预问诊平台可进行多轮深层交互界面，针对患者的问题进行深度分析，同时与医学知识库与真实病历进行关联，为医生提供可解释性方案。同时，华佗还上线了体检报告解读、自诊自查、拍药盒查用药知识等小工具，让患者更好地进行健康管理。

医院日常运营中，智能体可以智能化处理行政审批、排班管理等事务，甚至在最核心的DRG/DIP控费环节，AI有望帮助降低医疗支出。

未来：智能体矩阵

简而言之，医疗Agent的爆发描绘了一个革命性的赛道。

它不仅仅是效率工具，更是重塑医疗流程、提升诊疗精度和改善医患体验的关键力量。

实际上，目前医疗Agent的技术仍然不够成熟，绝大多数仍然定位于工作助手与伙伴之间，还并未出现如同Manus、Lovart 这样的爆款。

而伴随着大模型与Agent的不断成长与优化，未来的趋势是多智能体协调下的智慧医院大脑。

即由导诊Agent、诊断Agent、质控Agent、随访Agent等构成的智能体矩阵，有望重塑临床路径优化、资源动态调度等关键场景的决策模式。

据智药咨询研究院预测，未来中国AI Agent+医疗渗透率将不断加深，到2031年市场规模有望达到418亿元。

到2030年，Agent将全面接管病历质控、排班系统等非核心医疗流程，多智能体协同系统将基本覆盖常见病种的个性化诊疗、支持跨科室的复杂病例联合会诊以及提供从诊前健康评估到诊后康复管理的全周期服务。

也就是说，AI医疗上限还远未到达，不仅是大模型需要靠高质量医疗数据进行精进，在Agent层面，也需要行业联手共建，加速构建Agent产品矩阵。

前景是美好的，但当前大模型以及医疗Agent仍然存在诸多问题。

正如清华专家所指出：DeepSeek的快速、无监管的采用已超出中国的整体监管监督和治理框架，造成了监管的滞后性。

尤其当Agent的建议与规划被采纳并导致不良后果时，责任如何划分还难以确定，监管框架需要跟上技术发展步伐。

此外，Agent需要强大的集成能力才能发挥最大价值，但现有医疗IT系统由不同的厂商提供，数据流动性和工作流往往割裂，导致呈现效果不佳。

虽然挑战重重，但Agent引领的医疗智能化浪潮已势不可挡，将深刻影响我们每个人的健康未来。