海外6大医疗AI模型对比(训练数据 + 底层模型 + 技术范式维度)|矩阵投研

从训练数据 + 底层模型 + 核心逻辑 / 技术范式维度

1. Abridge

一、训练 / 运行数据

1. 核心：真实医患对话录音（门诊、急诊、专科问诊），脱敏临床语音语料；
2. 辅助：标准化 SOAP 病历模板、EHR 字段库、临床专科术语、医嘱 / 病程文本；
3. 约束数据：公共医学指南、常用 ICD/CPT 编码，不依赖海量通用互联网文本。

二、底层 AI 模型

1. 主干：医疗垂域微调 LLM（基于主流开源基座二次深度微调）；
2. 配套专用模型：医疗 ASR 语音识别模型（降噪、诊室环境、医学专有名词优化）、小体量临床 NLP 抽取模型；
3. 无通用大模型强依赖，属于「语音专用模型 + 轻量垂域 LLM」组合。

三、核心技术逻辑

1. 先语音降噪 + 实时转写 → 大模型做临床语境理解；
2. 固定临床结构化范式：自动对齐 SOAP 病历框架，做信息抽取、归纳、补全；
3. 强场景约束 Prompt，只做文书整理，严控诊断 / 用药类生成，降低幻觉；
4. 上下文窗口短、推理轻量化，适配门诊实时低延迟。

2. OpenEvidence

一、训练 / 运行数据

1. 核心：闭环循证医学数据库，仅限高等级权威医学源；
2. 数据源：PubMed、JAMA、NEJM、柳叶刀等顶刊论文、临床指南、FDA/CDC 官方诊疗规范；
3. 排除：自媒体健康内容、非同行评审内容、过时文献，数据定期时效刷新。

二、底层 AI 模型

1. 拒绝通用大模型，采用小参数强约束医疗专用 LLM；
2. 核心架构：轻量化 RAG + 医学知识图谱，生成能力弱、检索 + 事实校验极强；
3. 不追求通用对话能力，全程事实优先。

三、核心技术逻辑

1. 医生问题 → 精准检索权威医学证据库 → 证据分级排序（强 / 中 / 弱推荐）；
2. 「先检索、后总结、禁止自由创作」，所有结论强制标注文献来源；
3. 内置临床评分工具、诊疗路径规则库，AI 仅做证据整合与对照；
4. 极致反幻觉设计，模糊结论统一标注证据不足。

3. EliseAI

一、训练 / 运行数据

1. 核心：医疗服务流程对话数据（诊所电话、预约、随访、保险咨询、账单沟通）；
2. 辅助：美国医疗行政规则库、保险预授权流程、复诊提醒、合规沟通话术库；
3. 合规数据：HIPAA 脱敏患者沟通文本，无深度临床诊疗敏感数据。

二、底层 AI 模型

1. 主干：对话式垂域 LLM，偏向客服 / 服务场景微调；
2. 配套：多渠道 NLP（短信、邮件、电话语音）+ 规则引擎 + 流程自动化引擎；
3. 大模型为辅、流程规则固化为主，保证标准化、合规化。

三、核心技术逻辑

1. 标准化医疗服务流程拆解为固定节点；
2. LLM 负责自然语言理解、模糊问题识别、多轮沟通；
3. 规则引擎负责预约排班、保险预审、随访触发、账单答疑等标准化动作；
4. 完全避开临床诊断，聚焦院内运营与患者自动化沟通。

4. Chai Discovery

一、训练 / 运行数据

1. 核心：生物大分子多模态数据；蛋白序列、蛋白 3D 结构、抗体、多肽、靶点结构数据库；
2. 数据源：PDB 全球蛋白库、生物测序数据、分子动力学模拟数据、抗原 – 抗体结合数据集；
3. 补充：化合物分子图谱、难成药靶点实验数据。

二、底层 AI 模型

1. 主干：生物多模态基础大模型（蛋白 / 结构专用基座）；
2. 核心自研模型：Chai-1/Chai-2、BoltzGen，类 AlphaFold 架构升级；
3. 技术底座：蛋白质折叠模型 + 从头分子生成模型 + 结构优化预测模型。

三、核心技术逻辑

1. 氨基酸序列→原子级 3D 空间结构推理；
2. 基于大模型零样本 / 少样本生物大分子设计，定向生成抗体、蛋白药物；
3. 结合物理约束（分子力学、结合能）做结构筛选与优化；
4. 纯生命科学生成式 AI，和临床问诊、病历类模型完全不同赛道。

5. ChatGPT Health（OpenAI）

一、训练 / 运行数据

1. 基座海量通用数据 +公开健康科普、大众医疗文本、慢性病管理资料；
2. 增量微调：全科医学常识、体检报告通用解读、生活方式健康数据；
3. 实时增强：轻量化 RAG 接入通用健康知识库，无深度院内 EHR 原始病历数据。

二、底层 AI 模型

1. 基座：GPT-4o / GPT-5 通用多模态大模型；
2. 优化方式：医疗方向 SFT 微调 + 健康场景专用安全护栏；
3. 多模态融合：支持体检图片、检验报告截图、影像基础文字解读。

三、核心技术逻辑

1. 通用大模型强理解能力 + 健康领域轻量化知识补强；
2. 定位健康辅助：科普、解读、生活建议、慢病管理；
3. 强权限隔离：严格限制处方、诊断、治疗方案输出；
4. 轻量化、泛化性强，面向 C 端大众，不深度绑定院内临床流程。

6. Claude for Healthcare（Anthropic）

一、训练 / 运行数据

1. 基座：全网高质量通用文本 +海量长格式医疗文档；
2. 专业医疗数据：临床完整病历、手术记录、护理文书、临床试验报告、医学综述、医保合规文件；
3. 合规私有化数据：支持医院本地 EHR、FHIR 标准医疗数据私有部署接入，数据隔离不回传。

二、底层 AI 模型

1. 基座：Claude Sonnet / Opus 高端大模型；
2. 核心独有能力：超长篇上下文窗口（百万级 Token）；
3. 安全底座：Constitutional AI 宪法对齐，医疗专用伦理 + 合规对齐；
4. 配套：医疗 RAG、FHIR / 医疗编码适配接口、企业级私有化架构。

三、核心技术逻辑

1. 依靠超长上下文，完整读取整份病历、整套住院文书、整本临床试验档案；
2. 大模型原生强逻辑推理，做长文本摘要、结构化抽取、跨文档关联分析；
3. 分层风控：临床建议强限制，行政 / 科研 / 医保类内容完全放开；
4. 企业级逻辑：大模型原生能力 + 行业合规封装 + 私有数据安全隔离。