杨澜对话徐济铭:医渡科技正在拆解医疗AI的三道考题

AI能写代码、生成视频、处理复杂任务，甚至开始进入现实世界。但当它试图走进医院，却遇到了比技术性能更加复杂的考验。

当AI给出的答案可能关系到患者的生命健康，谁来判断它是否可信？当模型能力不断突破，如何证明它真正改善了医疗服务？而当越来越多患者开始带着AI的建议走进诊室，医生与患者的关系又将发生怎样的变化？

这三个问题，构成了医疗AI走向真实应用必须面对的三道考题。10月29日，在《探寻人工智能2026》节目中，知名媒体人杨澜走进医渡科技，与医渡科技联合创始人、首席执行官徐济铭展开深度对话。从早期进入医院接受临床专家检验的经历，到大模型时代的技术选择，再到AI对医生、患者及医疗体系的深远影响，两人围绕医疗AI如何真正创造价值，展开了一场跨越技术、医学与产业的探讨。

为什么医疗AI需要向医生“拜师”？

与许多从技术能力出发寻找应用场景的AI产品不同，医疗AI必须首先回答一个问题：医生究竟需要什么？

访谈中，徐济铭回顾了医渡科技早期与国内知名肿瘤专科医院合作的经历。肿瘤诊疗涉及复杂的疾病分型、治疗方案与临床信息，是医疗AI需要攻克的高难度场景；而与知名医院建立合作，也意味着技术必须经受高水平临床专家的严格检验，对团队的专业能力和技术可靠性提出更高要求。医渡科技选择从这样的难题切入，正是因为医疗AI需要从高质量临床数据和医生的专业经验中学习。

在徐济铭看来，技术能力固然重要，但更关键的是能否理解医生的真实需求，并在临床实践中不断接受检验。

围绕专病研究，医渡科技与临床专家共同推进疾病数据标准建设、跨系统医疗数据治理和算法验证，将原本分散的临床信息转化为可用于研究和分析的数据资产。这一过程不仅考验技术能力，也要求团队深入理解医学问题，在与专家的反复协作中，将临床知识融入技术研发。

这种来自临床一线的严格检验，一直延续至大模型与智能体时代。徐济铭谈到，在与大型综合医院专家交流时，医生往往会直接拿出复杂病例，检验AI能否理解患者的特殊情况、识别潜在风险，并给出有依据的分析。即使系统在大部分问题上表现良好，专家仍会针对未被充分识别的细节提出更高要求，推动技术不断改进。

这也让徐济铭将AI与医生的合作形容为一种“拜师”的过程。模型不是通过一次演示就能获得信任，而是要在实际应用中不断接受医生的检验和纠正。

这种长期积累，逐渐形成了医渡科技区别于通用AI应用的重要基础。目前，医渡科技相关解决方案已落地北京协和医院、中山大学肿瘤防治中心等133家知名医院。

医生需要的，不是另一个“万能医生”

大模型的发展显著提升了AI理解和处理复杂信息的能力，但在医疗领域，能够回答问题与值得信赖之间，仍然存在距离。

徐济铭在访谈中指出，医生对AI最核心的顾虑之一，是结果能否得到验证。即使AI在多数情况下给出了正确答案，少数难以识别的错误，在真实临床环境中仍可能带来风险。因此，医疗AI不能仅仅追求生成更流畅的回答，还必须提供可靠的医学证据，并融入医生熟悉的诊疗流程。

在节目现场，徐济铭以医渡科技推出的临床循证智能体平台“医渡智循”为例，演示了AI如何辅助医生分析跨学科临床问题。

面对肺癌患者反复出现低钠血症这一问题，AI能够结合相关医学指南和文献，提供鉴别分析方向、需要关注的临床信息及相关证据来源，供医生进一步判断。相比于单纯输出一个结论，循证依据的呈现与可追溯性，让医生能够更充分地理解和核验AI提供的信息。

与此同时，医渡科技推出的临床助手Copilot能够直接嵌入医生工作站，融入医院的实际工作流，围绕智能预问诊、患者诊疗信息梳理、病历生成等环节，为医生提供支持。

“医生每天需要处理大量事务，但并不是所有工作都必须由专家投入同等程度的专业判断。”徐济铭指出，将高频、重复、耗时的信息处理任务交给AI，让医生把更多时间和精力投入复杂诊疗和患者沟通，或许比让AI直接替代医生做出判断更有现实价值。

AI不是取代医生，而是成为医生的助手。这不仅是产品定位，也是医渡科技持续推进医疗AI应用的一项基本原则。

医院为什么要买单？价值必须可验证

访谈中，杨澜提出了一个现实问题：对于医院管理者而言，为什么要为AI技术投入资源？又该如何判断这笔投入是否值得？

在徐济铭看来，AI进入医疗领域，不能只展示模型性能或技术先进性，更需要证明能够为医院、医生和患者创造实际价值。

这种价值可能体现在多个维度：

面向临床一线，通过智能预问诊和病历生成等智能体，AI能够帮助医生在患者正式就诊前获取更完整的病情信息，并减少日常诊疗中的文书和信息整理负担，病历书写效率最高可提升90%，极大释放了医生的临床生产力；

面向医院管理端，AI参与手术风险前置研判、手术排程优化，部分合作医院手术准时开台率从七成提升至接近九成，减少手术取消带来的资源损耗与患者等待；

面向科研创新层面，医渡科技利用AI协助完成专病库搭建、研究队列筛选、文献整理分析，缩短科研数据准备周期，助力临床成果沉淀与转化落地。

从临床工作提效，到医院运营优化，再到医学科研创新，医渡科技走的是以一套底层能力支撑多元业务场景的应用路径。以YiduCore医疗智能基础设施，打通医疗数据治理、医学知识、疾病模型与AI应用能力，一站式支撑医院多业务场景智能化建设。

当患者开始向AI提问，医患关系会发生什么变化？

除了医院与医生，AI正在改变的还有患者获取医学知识的方式。

过去，患者主要通过医生获得专业医学信息。如今，随着各类AI工具普及，越来越多患者会在就诊前查询疾病知识、了解治疗方式，甚至带着AI生成的建议与医生讨论。

当患者掌握越来越多医学信息，这是否反而会让医生的工作更加困难？

徐济铭坦言，在某些情况下，医生确实需要面对更多来自患者的问题，甚至需要解释为什么自己的建议与某款AI应用给出的答案存在差异。

但从更长远的角度看，如果患者能够通过科学、可信的工具理解疾病知识，了解诊疗建议背后的医学依据，这种变化也有助于提高患者的健康素养，推动医患之间形成更充分的沟通。对于医生而言，AI带来的不仅是新的工具，也促使专业知识的获取和应用方式持续变化。

这种变化同样延伸到创新药临床研究领域。以患者招募为例，临床试验的入排标准十分复杂，往往涉及疾病诊断、病理分型、基因检测结果、既往治疗史等多维度医学信息。现实中，患者常常难以获知适配自身病情的临床试验项目；而研究团队也受困于病例筛选繁琐、医患信息匹配不畅等现实难题。

医渡科技推出的患者招募智能体，正是通过AI辅助分析临床研究要求与患者相关医学信息，提高潜在受试者匹配及初步筛选效率，支持医生在诊疗过程中为患者匹配潜在适合的临床试验，患者也可通过平台自主查询匹配，帮助符合条件的患者更高效地了解相关临床研究机会。

从医生获取专业证据，到患者理解疾病知识，再到患者与临床研究机会的连接，AI正在为医疗服务中的信息获取与协同提供新的可能。

医疗AI的未来，不止于医院

医疗AI的价值边界，正在从医院内的诊疗与科研向更多场景延伸。当人工智能逐步融入医疗健康服务的不同环节，技术所能创造的价值，也将不再局限于单次诊疗或某一项业务流程。

在与杨澜的对话中，徐济铭谈到了未来十年乃至更长时间里AI在医疗健康领域的发展潜力。他认为，随着医学知识、疾病模型与个人健康信息的进一步融合，AI有望帮助人们更好地理解自身健康状况，为疾病风险识别、个性化健康管理和持续健康干预提供支持。

这一趋势也与医渡科技的业务布局相呼应。从临床诊疗、生命科学到健康管理和公共卫生，医渡科技持续探索以疾病为核心，连接医疗机构、医生、患者及健康保障体系，让医疗智能技术服务于更广泛的健康需求。

十余年的创业实践，让徐济铭对医疗AI的理解不断深化。从最初投身这一领域时的探索热情，到在长期实践中逐渐建立起对医学复杂性的深刻敬畏，始终不变的，是他希望以技术回应真实医疗需求的初心。在他看来，医疗AI不可能依靠一次技术突破就解决所有问题。真正的进步，需要医疗专家、技术团队和医疗机构在真实场景中持续协作，也需要技术在安全、专业与实际价值之间不断寻找平衡。

当AI不断突破能力边界，医疗领域或许并不缺少一个更加聪明的模型，而是需要一个真正理解医学、尊重临床、能够在复杂现实中持续创造价值的智能体系。

本文仅供知识分享之目的，若存在侵权行为或疏漏，请与本平台联系，我们将及时处理。版权@2026医渡科技保留所有权利