千问新增两大专业知识库，AI健康问答的专业化走到哪了

今日，千问APP宣布新增接入人卫医学专业知识库、NutriData营养数据库，持续完善健康领域知识底座。依托权威医学资源与长期健康记忆能力，千问不断打磨院外健康参考服务，探索通用AI在大众健康场景下的落地路径。

撰文 | 郭雪梅

随着大模型应用走向大众化，越来越多普通用户开始通过AI解答日常健康困惑。

体检报告里的箭头是什么意思，空腹血糖和糖化血红蛋白有什么区别，早餐喝牛奶还是豆浆更合适，一种药应该饭前吃还是饭后吃……这些问题并不都需要马上去医院，但又不能只靠经验判断。

医学问题往往涉及疾病、指标、药品、营养、个体差异等多重因素，仅依靠大模型原生训练知识，容易出现信息过时、概念混淆，甚至生成错误内容。尤其在健康场景中，回答流畅并不等于回答可靠。这也让健康领域成为AI最需要专业化的场景之一。

9月17日，千问APP宣布接入人卫医学专业知识库、NutriData营养数据库，进一步丰富面向公众的健康知识储备。从行业角度看，千问对健康专业知识库的持续建设，意味着AI健康问答正在进入体系化的建设阶段：模型能力之外，专业知识底座、知识治理、个体信息理解和长期健康记忆，都会影响最终回答质量。

AI健康问答，

首先要解决可信问题

健康咨询已经成为通用大模型最高频的民生场景之一。相关调研显示，超九成受访者曾借助AI查询健康相关问题，体检解读、症状咨询、用药和膳食建议是大众的核心诉求。

健康问答不能只是“知道一个概念”，还要理解概念之间的关系，以及这些关系放到具体个体身上意味着什么。

比如，同样是血糖相关问题，空腹血糖、餐后血糖、糖化血红蛋白反映的时间窗口不同；同样是检验指标异常，可能是暂时性波动，也可能提示需要进一步检查；同样是食物选择，也要看过敏、乳糖耐受、慢病背景和日常饮食结构。健康问答的难点，恰恰在于不能把复杂问题简单化。

因此，AI应用进入健康领域后，首先需要解决的是知识来源问题，将大模型与传统循证医学结合，让AI从“泛泛聊天”转向有严谨依据、可解释、可追溯的专业问答，并逐步延伸到辅助决策。

千问正在系统地引入相关专业知识库，把“专业知识底座”作为医疗健康领域的长期基础能力。据介绍，目前千问已接入国家药监局信息中心相关数据、中国营养学会知识库、最新临床指南、医学文献以及上万本医学出版物等内容，在回答健康问题时尽量提供可追溯的知识依据。

此次新增接入的人卫医学专业知识库汇聚了人卫70余年积淀的权威医学资源，覆盖疾病、检查检验、药物等核心医学知识，并已应用于临床知识查询、合理用药等专业医疗场景。接入千问后，这些原本服务医学教育和临床实践的系统化知识，也可以进一步用于普通用户的健康问答和医学指标解读。

NutriData营养数据库由中国营养学会参与共建，基于《中国食物成分表》等权威数据，为食物营养比较和膳食分析提供结构化数据支持，涵盖能量、蛋白质、脂肪、维生素、矿物质等成分数据。基于这些具体数据，千问可以进一步进行食物成分比较、营养摄入分析，为用户提供更有数据依据的饮食解读。

一个偏医学知识，一个偏营养数据。两类资源接入后，无论是疾病、药品，还是日常的饮食选择和营养判断，千问都能提供更加靠谱的回答。

把专业知识用到具体问题里

专业知识库的价值，不在于把权威资料简单搬到回答里，而在于能否在具体问题中被正确调用、组织和解释。

以“豆浆和牛奶哪个更适合早餐”为例，一个泛泛的回答可能会说二者都健康，各有优点。但真正有帮助的回答，要结合用户信息，把决策意见背后的依据讲清楚。

在这类场景中，NutriData提供的是结构化的营养数据，千问做的是把数据转化为用户听得懂的判断：如果用户乳糖不耐受，豆浆可能更容易接受；如果用户关注钙摄入，牛奶的优势就更明显；如果用户有控糖需求，还需要进一步关注配料和饮用量。

千问将医学知识转化为可理解的健康建议

医学指标解读也是类似逻辑。用户问“糖化血红蛋白和空腹血糖有什么区别”，千问可以参考专业医学知识，解释空腹血糖更像某一时间点的血糖状态，糖化血红蛋白则反映一段时间内的平均血糖水平，因此临床上常常需要结合来看。

千问结合权威医学数据库回答问题

在报告单解读等图像场景中，专业知识底座同样重要。AI不能只识别图片上的数值和上下箭头，还要理解指标之间的关系、异常程度、常见影响因素，以及哪些情况需要进一步就医。

这样的回答既不是堆砌术语，也不是一句“去问医生”，而是帮助用户先理解指标含义和相互关系，更能进一步告诉用户“这个指标高可能意味着什么、还要结合哪些情况看、下一步应该注意什么”。

这也是AI健康产品落地时最考验能力的地方：把专业资料、结构化数据、模型推理和用户表达连接起来，让复杂医学知识变成普通人能理解的健康参考。

不仅“知道医学知识”

更要“长期理解一个人”

健康问答和普通知识检索最大的不同，是答案往往取决于“你是谁”。

同样问早餐选择，不同人的答案可能不同；同样问血糖指标，有无糖尿病史、近期用药、饮食变化、运动情况，都会影响解释重点。仅靠通用知识，AI只能回答“通常如何”；要给出更有针对性的参考，就需要在用户授权和主动提供信息的前提下，理解个人健康背景。

千问正在尝试把专业知识库和长期健康记忆结合起来。在用户主动提供、完成授权的前提下，系统可以在对话中记录既往身体情况、饮食禁忌、过敏史、慢病背景等信息。之后用户再问体检指标、疾病知识或膳食选择，系统可以调用专业知识，同时结合这些个人背景，给出更贴近个体情况的解读。

比如，一位用户此前提到患有高血压，日常正在服用降压药，之后再询问“体检发现食盐摄入超标，会带来哪些影响？”回答不仅会讲解高盐与血压的通用科普，还会提示其他隐性危害，并结合用户实际情况给出生活方式调整计划。这样的回答仍然不能替代医生诊断，但比单纯百科式解释更接近用户真实需求。

千问为用户提供个性化解答

这也说明，接入权威知识库，只是AI健康服务的起点。专业知识库解决的是“知识从哪里来”，而用户的长期健康记忆，解决的是回答如何贴合“这一个人”。二者结合，AI的健康服务才能够跟随用户的情况变化，给出更贴合个体现实的健康参考。

“点赞”“爱心”，让更多人看到