北京
当大模型推动人工智能加速迈向行业深水区，医疗AI也正在迎来真正意义上的分水岭。
过去几年，医疗AI在问答、病历生成、影像辅助分析等场景中不断展现能力，但行业始终存在一个核心难题：AI可以变得更聪明，却未必因此更值得信任。而在医疗领域，决定AI能否进入临床的关键，从来不是“会不会回答”，而是“能不能被验证、被解释、被追溯”。
在这一背景下，医疗AI正从“智能时代”走向“可信时代”，“可证性”成为新的行业关键词。所谓“可证”，并非单一技术指标，而是指AI每一次判断都具备清晰证据来源、可复现推理过程以及可验证结果依据。这意味着，医疗AI不再只是输出答案，而是同步输出答案背后的证据链和逻辑链。
面向这一趋势，东软添翼医疗大模型正在给出自己的解决方案。不同于单纯追求参数规模的技术路径，东软更强调临床落地所必须具备的可信、可证、可追溯。据了解，东软围绕医疗场景构建了涵盖2000+数据质量标准、50+安全规则体系以及多专病高质量数据集的基础能力框架，为模型训练和应用提供更高标准的数据与安全保障。
东软添翼医疗大模型将双层思维链、检索增强、医疗知识图谱与质控规则深度融合，通过混合专家MoE动态路由机制与循证医学交叉，模拟真实临床推理路径，在保持高准确率的同时，将幻觉率压至行业低位，实现诊疗建议可追溯、可校验。
通俗地说，东软添翼医疗大模型并不是让AI直接“凭感觉”给出答案，而是通过双层推理与校验机制，把模型输出纳入可验证、可追溯的医疗知识框架中。
第一层是面向问题理解和证据组织的推理链路，系统会自动装配患者病历、检验检查、用药记录和诊疗过程等上下文信息，并结合临床指南、专家共识、药品说明书和院内知识库等可信来源，形成有依据的候选判断。
第二层是面向结果复核和风险控制的校验链路，系统会利用医疗知识图谱和质控规则，对医学概念关系、诊疗逻辑、病历一致性和合规风险进行进一步校验。在这一过程中，检索增强技术为模型提供经过治理和版本管理的外部医学证据，降低无依据生成的风险；医疗知识图谱将疾病、症状、检查、用药、手术等医学关系结构化表达，为模型推理提供知识约束；质控规则则对病历完整性、逻辑一致性、诊疗规范性和医保合规性等明确规则问题进行自动校验。
通过这些机制的组合，添翼医疗大模型不是简单追求“会回答”，而是努力让回答具备依据、过程和边界，使医疗AI的输出能够被临床流程承接、被专业人员复核、被系统审计追溯。
而MoE动态路由机制的核心价值，在于通过按需激活部分专家模块，在模型容量、推理成本和任务适配能力之间取得平衡。对于医疗场景中不同任务类型、不同专科知识和不同推理路径的差异化处理，MoE可以提升模型资源利用效率，但其效果仍依赖模型训练、专家划分、路由策略和推理部署优化。
业内人士认为，医疗AI的下一阶段竞争，将不再只是模型能力之争，而是可信、临床适配与规模落地能力的综合竞争。东软添翼医疗大模型所探索的，正是医疗AI从“可用”走向“可托付”的关键一步。这也是东软最核心的差异化优势之一。依托长期深耕医疗信息化形成的产业基础，东软添翼医疗大模型与东软新一代添翼智慧医院解决方案实现原生级融合。区别于市场上外挂式AI模式，添翼不仅提供模型能力，更通过面向AI原生设计的开放架构体系，构建AI可读、可调用、可编排的标准化API与业务能力接口，使AI能够真正理解并参与医院业务运行。
基于这一能力，添翼可深度融入诊疗、管理、医保与运营全流程，实现数据、流程、规则与智能能力的一体化协同。这使客户能够以更低成本、更小改造量、更短上线周期，快速完成AI能力落地，并最大化释放既有信息化系统价值。
医疗AI的终局，不是更聪明，而是更值得托付。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
