转 AI+医疗,到底要做到什么程度

这两年 AI+医疗 这四个字，学药的、生物的、做临床的，估计没人没听过。

真正卡人的地方从来不在开头。

课买了一堆，项目也跟着做了一两个，坐下来问自己一句：我现在到底算哪一档？答不上来。😮‍💨

我先亮个底。30 岁，之前在一家 CRO 做了五年临床试验数据管理——写数据核查程序、清质疑、盯数据库锁定。现在做大模型应用开发，第十一个月。

先把句话说在前头：你要转的，严格讲不是「医疗」。

是大模型应用开发。医疗是你亲手落的第一个场景，不是这条路的终点。分不清这件事的人，多半会在第三个月掉队。

下面四条标准，是我按「做到什么程度算够」排的。

标准一：手上得有一到两个能打的完整项目

注意是完整项目，不是 demo。

这个坑这几年换过好几副样子。😅

早两年是跟着教程搭「医学问答机器人」——塞几份指南进向量库，接个接口，能答出某个病的一线用药就算入门。

现在是拿可视化编排工具拖一条工作流，两三个小时出一个「智能问诊助手」，界面比当年漂亮十倍。

但这两种东西放到简历里，一样没区分度。原因也一样——大家做出来的，长得一模一样。

真正能拿去面试的，一定带交付结果。举几个方向：受试者入排标准逐条核查、护理文书的内涵质控、检验危急值的复核回执、随访计划自动生成与到期提醒、医保结算清单里主要诊断与手术操作的匹配核查。

这些东西不酷，但它们贴近真业务，也才讲得出你的判断力。

一个项目够不够格，不看它跑不跑得起来，看它有没有闭环。至少这五步得齐：

能接真实临床任务 → 能按规范把任务拆成步骤 → 能调用院内或公开的数据工具 → 能产出可落地的结构化结果 → 出问题时有兜底路径。

拿我上手做的第一个正经项目说——临床试验受试者的入排核查。

它吃进去的是一份试验方案 PDF，加上这位受试者在 EDC、HIS、LIMS 里的实际数据；按方案里每一条入排条目拆成可判定的条件；中途要调三类工具：实验室值查询、既往病史与合并用药查询、术语编码字典；最后吐出来的是一张逐条判定表（符合／不符合／待确认，每条都挂证据来源），不是一段读完还得自己猜的自然语言；遇到病历里只写了「近期已停用」、拿不到确切日期这种情形，它绝不硬判「可以考虑入组」，而是标记为待人工核实，自动生成一条 query 甩给研究者。

到这一步，它才叫个项目。在此之前，它叫演示。

补一个今年才立起来的新门槛。

上海卫健委今年九月的一份公开答复里写了这么一组数：截至今年 2 月底，上海全市 149 款大模型完成备案、161 款产品完成登记，其中医疗大模型登记只有 20 款；同一份文件还提到，全国首个医疗大模型应用测评验证中心，已经对 40 家机构的 77 个 AI 医疗场景做完了测试评估。

备案之前要先过评测，这件事正在变成明面上的要求。

所以现在判断一个东西够不够格，第一道关已经不是「有没有医生愿意用」，而是能不能被评。

遮字测试：把「医疗」两个字遮掉，这条还成立吗？成立。一个有没有闭环、能不能被评测的东西，放到信贷审核、法务合规筛查里，判定方式是同一套。过关的说明你练的是大模型应用开发；不过关的，练的就只是医疗 demo。

标准二：别把它学成「会给医疗大模型写提示词」

这条最要命。

很多人以为医疗 AI 的核心，就是把指南和文献塞进知识库，再写一段口气很像医生的提示词。

真做过项目就知道——**提示词只是入口，拉开差距的是流程设计能力。**💡

面试官压根不关心你的提示词写得多漂亮，他们盯的是这几件：按什么规则拆任务、什么时候去拉患者的真实数据、什么时候必须停下来交回给人、结果怎么判定可信不可信。

因为医疗场景不是让模型自由发挥。它要求你先把流程和红线搭好，再让模型在你画的框里跑。

今年还有个变化值得知道：网信办、发改委、工信部联合印发的《智能体规范应用与创新发展实施意见》里，专门点了医疗健康领域的智能体应用方向与规范要求。连「智能体在医疗里该怎么用」都进了文件，靠一句提示词混过去的空间只会更小。

所以如果你现在还停在「怎么把提示词写得更像样」这一层，距离 offer 还差着一大截。真正上岸的人，早就在琢磨编排和兜底了。

举个我自己踩出来的例子。

方案里有一条：某类既往用药必须停用满 14 天才能入组。受试者的病历里只写了「近期已停用」，没写确切日期。

设计不完善的系统会顺着上下文一路滑下去，生成一句「未见明显冲突，可考虑入组」。

设计过的系统会在这里直接截断——把这一条标成待确认，生成 query 要求研究者确认停药日期，同时在核查记录里留一行：关键信息缺失，未作入组建议。

同一个模型，同一份数据。

前者是等着出事的，后者才配叫产品。⚠️

遮字测试：遮掉「医疗」，还成立吗？成立。什么时候调工具、什么时候停下来交回给人、怎么判定结果可不可信——这三个问题在所有高风险场景里都会被问。你练的是「划边界」，不是「写措辞」。

标准三：工程底子必须跟上 🛠️

转这条路的人，注意力特别容易被模型和医学概念吸走。

可实际最卡人的，往往还是工程那点事。

Python 能不能独立写一个小项目、模型接口会不会接、结构化输出的 schema 会不会定、关系型数据库会不会查、日志能不能顺着一条请求从头追到尾、服务能不能部署起来——这几样才决定你的东西能不能真的落到科室里。

说白了，这行不是讲概念能混过去的。算法你可以慢慢补，但应用层这个能力，你没有就是接不起来。

医疗还额外多出几道关：

术语映射。 同一个东西在不同系统里编码不一样，疾病的、药品的、检验项目的，一套多。

单位与参考区间归一化。 不同院区、不同设备出来的值，口径能差出去一截。

脱敏与访问留痕。 患者数据不是你想查就能查，谁在什么时候动了哪条记录，得能倒回来。

版本与变更管理。 指南会更新，试验方案会出修正案，模型也会换版本——改了之后，之前产生的那批结果怎么办。

这几样互联网出身的人也得现学，反倒是我们这种天天泡在数据里的人占点便宜。🎯

不过我很快就发现自己也有个毛病。

干数据管理那几年，我最熟的是写核查程序：几百行 SAS，跑完甩出一堆待清理的质疑清单，交上去就算完事。

转过来才明白——核查程序写得再漂亮，也不等于一个能长期运行、还能被追着做稽查追溯的服务。

从「跑完一轮」到「有人天天在用它」，中间隔着的那一整段，全是工程。

今年还有一种情况越来越多：不少医院要求数据不出院，模型得跑在院内的机器上，甚至是县域医院那种轻量的本地环境。没有现成的云和算力集群给你调，运维可能得靠信息科的同事。这一条会反过来决定你一开始该怎么设计。

遮字测试：遮掉「医疗」，还成立吗？成立。schema、留痕、版本、降级、部署形态——这五项换到金融、政务、工业，一条都不用改。

标准四：简历和面试都得拿结果说话

很多人辛辛苦苦做完项目，最后简历写成了这样：

「了解医疗 AI」「熟悉大模型在医疗场景的应用」「参与智慧医院相关系统搭建」。

问题不在错，在于没有信息量——既不具体，也证明不了你真做成过什么。

有竞争力的写法只有一个标准：结果导向。在什么临床场景、跑了哪条链路、解决了哪个具体问题、前后数据怎么变的。

同样是「辅助核查」，这两种写法差着量级：

（**XX 处全部换成你自己的真实数字。**这几个数是这段唯一的信息量来源，我不替你编。）

今年面试官还会多追一句，往年基本不问：

你这个东西现在怎么收费的？有几家医院在用？拿到证了吗，还是走院内的工具类采购？

医保今年已经给病理类开了新的医疗服务价格立项通道，AI 医疗器械的商业化在往前走。能不能上架、能不能按例结算，正在从行业新闻变成你简历上的一道题。🚀

面试官要看的从来不是你学过多少，是你能不能交付。

遮字测试：遮掉「医疗」，还成立吗？成立。能不能跑出账、能不能收回成本、能不能长期运行——这是所有应用层岗位都会问的最后一题。

最后说句实在的

转 AI+医疗，从来不是比谁背的指南多、谁名词更熟。

比的就一件事：你有没有做出一个能写进简历、能拿去面试、还能被人追着问三层的项目。

遮掉「医疗」两个字，上面四条要是还能站得住，你练的是大模型应用开发——这条路能走很远，医疗只是第一站。

遮不住的话，那就是另一个故事了。

刚好我最近把适合写进简历的医疗场景项目整理出来了，都是贴近岗位、又容易做出亮点的那种。有需要的同学，评论区说句**「大模型开发」**，我打包发你。📩

别急着收藏。翻翻你手上那个项目，对照标准一那五步，看看断在哪一步——大概率断在第四步和第五步中间。