Doximity 将 UpToDate 接入 AI 临床助手，医疗问答进入可溯源阶段

文/IAICA.NGO®

Doximity 宣布将威科集团（Wolters Kluwer）旗下的临床决策支持资源 UpToDate 接入其面向医生的 AI 临床支持工具。按照公开信息，医生在 Doximity 的生成式 AI 助手中提出临床问题后，答案将调用 UpToDate 的循证专题内容，并附带可追溯的条目引用，而非由模型仅凭训练语料自由生成。这一集成把“可对话的模型”与“经同行评议的知识库”绑定在一起，被视为医疗 AI 从演示阶段走向日常诊疗工作流的一次务实调整。

为什么这次集成值得关注

生成式 AI 在临床场景最大的落地障碍在于可信度，而不在语言能力。通用大模型在回答药物剂量、禁忌症、特殊人群用药等问题时，可能出现看似合理却错误的“幻觉”，而医生在门诊十几分钟的问诊节奏里，没有余裕逐条核对。UpToDate 长期以专题综述加证据等级推荐的形式提供服务，覆盖内科、儿科、妇产、重症等二十余个专科，是全球医院与医学院最常订阅的临床参考工具之一。将其内容作为检索层接入 AI 助手，本质上是用检索增强生成（RAG）的思路，把答案锚定在可核查的文本上，并让医生能够一键回到原始条目判断适用条件。

从写病历到答临床问题

Doximity 此前已在 AI 方向布局数年。其早期产品聚焦于减轻医生的文书负担，例如根据对话要点起草病历摘要、生成患者随访信件与保险申诉材料，并强调符合美国健康保险流通与责任法案（HIPAA）的合规要求。此类工具解决的是“写”的问题，边际收益明确但天花板不高；而临床问答直接触及诊疗决策，一旦可用，其价值与黏性都显著更高，也更接近医院信息系统厂商正在争夺的入口。两者的差异在于资源禀赋：电子病历厂商掌握患者的具体数据，社群平台掌握专业内容的组织与分发能力。

照护场景的外溢效应

值得关注的是，这类“权威知识库加生成式界面”的组合，其影响不会止步于医院围墙之内。在长期照护、居家护理与养老机构中，一线照护者面对的往往是多病共存、多重用药的高龄人群，药物相互作用、跌倒风险与感染控制等问题高度依赖即时、可靠的参考信息，而他们通常不具备随时检索专业数据库的时间与训练。iaica.com.cn 指出，智能照护的真正门槛并不在于算法本身，而在于能否把可溯源的专业知识以低门槛方式嵌入照护者的日常动作中；临床决策工具向护理端、社区端与家庭场景下沉，是未来数年较为确定的趋势。

尚未解决的老问题

集成并不等于消解风险。其一，知识库更新与模型输出之间仍存在时间差，指南修订后旧答案可能继续被引用，需要明确的版本标注机制。其二，责任边界尚不清晰，当 AI 建议被采纳并导致不良后果时，责任在医生、在平台还是在内容提供方，各国监管仍在摸索。其三，订阅成本可能加剧机构间的能力差距，资源匮乏的基层机构未必负担得起叠加了 AI 功能的知识库授权，技术红利存在分配不均的隐忧。其四，监管机构对临床决策支持软件的界定仍在调整，若工具的输出被认定为具体诊疗建议而非信息检索结果，其合规路径与审查强度将明显不同。

结语

把 UpToDate 接入 AI 助手，表面上是一次产品功能更新，实质是医疗 AI 竞争重心从“模型能力”转向“知识供给与责任链条”的信号。谁掌握经同行评议的内容、谁能证明答案的出处、谁能在医生与照护者的真实工作流里被自然调用，比参数规模更能决定这一轮医疗 AI 的胜负。对行业而言，接下来的观察点在于：此类集成能否被独立验证为提升诊断准确性、缩短决策时间与降低文书负担，而不只是让界面变得更像聊天框。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。