黑客松系列报道丨Knowell：解决亚非拉病患的困境

Knowell为全球基层医疗普惠化、健康服务均等化提供了一套可探索、可规模化、低成本的解决方案。

文｜钱丽娜
ID | BMR2004

在AI Hackathon Tour首届高校联赛中，一款瞄准全球基层医疗痛点的AI产品——Knowell斩获最具极客精神奖。它的目标用户，是两个被主流健康平台集体忽略的群体：一边是亚非拉“一带一路”沿线国家，大量基层人群“有医院无管理、有设备无医生”；另一边是国内老年群体，“不会用智能设备、看不懂体检报告”。

当前中国拥有优质临床资源和庞大执业医师队伍，AI医疗技术具备较强竞争力，而亚非拉国家普遍存在医疗资源错配，国内老年群体面临数字鸿沟的问题。手机的全员普及，让人们有机会用AI技术，把一部普通手机变成随身的健康服务工具，从根源上打破医疗资源的地域与阶层壁垒，这就是Knowell诞生的初心。

Knowell团队选择rPPG（远程光电容积脉搏波）与LLM医疗大模型作为核心技术底座。rPPG技术实现了“无硬件、无接触、无创口”——只需一部手机，40秒即可完成核心健康指标检测，哪怕是几百元的低配机、不会用智能设备的老人，也能一键操作。单纯的检测只给冰冷的数字，用户拿到结果依然不知道“怎么办”。LLM医疗大模型则把客观生理指标，转化为可理解的健康解读、风险预警、分诊建议和就医方案，形成“检测—解读—干预—就医”的全链路闭环。

01

公益打底、商业赋能

Knowell团队认为，公益不是商业的对立面，而是商业模式的核心入口与护城河；商业不是公益的附属品，而是公益可持续的核心支撑，二者形成双向赋能的正向飞轮。

在模式设计上，团队做了清晰的分层：

公益打底层，把rPPG无创健康检测、多语种健康科普、基础AI问诊、全球医疗资源查询、重症公益帮扶通道，设为免费功能。这些功能依托AI技术得以实现，边际成本较低，用户规模越大，模型迭代越快，单用户成本越低。它的核心价值，是覆盖广泛的人群，沉淀核心医疗数据，为商业服务提供精准的用户画像与技术支撑。

商业赋能层，从免费流量中，精准转化有明确付费需求的用户，核心盈利场景包括：跨境诊疗一站式服务、个性化慢病健康管理会员、智能健康硬件销售、保险机构数据与风控服务、药企真实世界研究服务。商业服务产生的利润，一部分反哺公益服务的下沉与覆盖，比如为贫困地区捐赠设备、扩大公益帮扶规模；另一部分投入技术研发，进一步提升服务能力，形成“公益获客→数据沉淀→技术迭代→商业变现→反哺公益”的完整闭环。

这套模式，既守住了“医疗平权”的初心，又摆脱了公益项目“靠捐赠输血、不可持续”的困境，实现社会价值与商业价值的长期共生。

02

适配亚非拉基层人群与国内老年群体

为了适配亚非拉基层人群和国内老年群体，Knowell在产品决策阶段核心围绕两个关键词：“买得起”和“会用”。其中主要有四大关键决策：一是极简操作设计，突出显示核心功能，简化入口；二是未来将进一步进行弱网与离线模式的底层优化，实现检测全流程端侧完成，用户哪怕完全没有网络，也能完成视频拍摄、指标检测、生成基础报告，仅在问诊、查询医疗资源时需要极少量流量，适配当地网络环境；三是本地化的内容与服务适配，设计亚非拉版本的健康科普，围绕当地高发疾病设计，用本地语言、短视频形式，贴合当地文化习惯。

Knowell为全球基层医疗普惠化、健康服务均等化提供了一套可探索、可规模化、低成本的解决方案。

首先，探索普惠医疗新路径。Knowell以AI技术降低健康检测与医疗服务门槛，为全球基层医疗普惠化提供新的落地方向。

其次，助力打破医疗资源地域与阶层壁垒。Knowell搭建无国界医疗服务网络，将国内AI医疗技术与临床资源输送至全球医疗匮乏地区，助力用户平等获取优质医疗服务，推动健康服务均等化。

最后，为全球公共卫生体系建设提供支撑。Knowell平台可实现大规模人群健康筛查、风险预警、数据监测，为各国公共卫生部门提供数据支撑，助力慢病管理与公共卫生事件防控，推动基层公共卫生体系数字化、智能化升级。

03

迈向未来

Knowell团队表示，未来项目技术规划围绕“深化技术壁垒、扩大服务覆盖、完善生态闭环”三大核心目标，具体分为四个方向：

首先，硬件接入将构建全场景健康感知矩阵。未来1—2年，完成“可穿戴+无接触+家用医疗设备”全场景硬件矩阵布局；除已研发的智能健康戒指、无接触睡眠/摔倒监测终端外，还将完成血压计、血糖仪、单导心电仪等家用医疗设备的对接；同时开放核心算法SDK，向全球公益组织、基层医疗机构、智能硬件厂商授权，推动健康设备无缝接入，构建规模较大的普惠健康感知网络。

其次，检测精度将从健康筛查向辅助诊断逐步跨越。持续优化rPPG核心算法，将可检测指标从目前6项扩展至血压、血糖、血脂、心血管疾病风险、睡眠呼吸暂停综合征等20+项核心慢病指标；进一步提升检测精度，将核心指标检测偏差率控制在较低水平，向医用诊断级标准靠拢，实现从“健康初筛”到未来进一步“临床辅助诊断”的升级。

再次，模型迭代迈向多模态医疗大模型。基于平台积累的全球长时序健康数据，持续扩大训练数据集，优化模型临床适配性、可解释性与多语种支持能力，覆盖更多病种、更多地区临床诊疗规范；同时优化端侧大模型，让更低配置手机可运行AI能力，助力实现“人人拥有随身AI医生”的目标。

最后，场景扩展从C端健康管理向全生态服务覆盖。从现有居家健康、基层医疗、跨境诊疗核心场景，向企业健康管理、保险科技、药企真实世界研究、公共卫生应急等场景扩展；为保险机构提供精准核保、用户健康干预、理赔风控服务，为药企提供真实世界研究与药物疗效监测服务，为公共卫生部门提供大规模人群健康筛查与风险预警服务，扩大技术覆盖场景，提升社会与商业价值。