2026-08-21
Topol与Keane等在Nature Health指出,ChatGPT Health、Amazon、蚂蚁阿福和Claude for Healthcare正在把大模型接到病历、预约和药房。公共健康该盯平台集成深度,监管要落到路径和激励,不能只评模型。
消费级健康产品正在从「回答医学问题」滑向「把病人送进一条可执行的路径」。OpenAI 的 ChatGPT Health、Amazon 的 Health AI、蚂蚁集团的阿福、Anthropic 的 Claude for Healthcare,都在把大模型接到病历、预约、药房履约、支付和临床工作流上。资源不足的地区尤其吃这个变化:结局差,常常不是完全没有医疗服务,是患者走不完整条路径。
这篇 Nature Health 的 Perspective 主张,公共健康现在该盯的不是模型排行榜,是平台把接口、数据、分诊和履约嵌进日常就医的深度。谁控制症状怎么被解释、病人被分到哪、钱怎么付、治疗有没有做完,谁就在控制路径。付费墙挡住了正文,下面依据摘要、公开的框架图和参考文献来写,四个案例的产品细节和量化证据在未取到的原文里。
作者用四条产品轨迹做案例对照,收成一套路径层问责框架,把集成深度连到评估、采购、路由透明度、数据治理和退出选项。配套的图把系统拆成四层,每层同时标出路径控制、人群健康机会、治理问责。
参考文献里还能看到对照物:Perplexity Health 接病历和可穿戴,Microsoft Copilot for Health 走消费助手,蚂蚁 AQ 在新闻稿里写过 1,500 万月活、后来又有过亿用户的报道。这些是作者用来定位四条轨迹的公开材料,不是正文里的评测表。
Perspective 没有随机对照试验。摘要给出三个人群级后果,需要被认真对待:就医完成率会变,分诊权力会集中,数据和运营控制会出现新的不对称。
框架图把「完成率」明确挂在编排层:接上预约和处方之后,模型不再只给建议,它在决定建议能不能变成一次到诊、一张处方、一盒药。分诊权力集中对应接口层加编排层:入口、选项框定、供方路由如果落在同一家平台,传统机构会变成被调用的后端。数据不对称落在数据层:纵向个人健康数据加上平台侧的交互日志,供方和监管未必看得到同一份材料。
摘要的政策结论写得很硬:现有治理和监管不该只套在模型上,还要套到这些系统正在塑造的路径和平台激励上。问责清单是评估、采购、路由透明度、数据治理、退出选项。图里还单独标了广告控制和利益冲突审查,说明作者把商业激励当成路径设计的一部分,不是事后贴的合规标签。
做医疗 LLM 的人习惯报诊断准确率。这篇把战场挪到「谁拥有路径」。产品一旦接到病历、预约和药房,评测就得加完成率、分诊集中度、数据出境和能不能退出,而不是再刷一条问答基准。采购方如果只买模型性能,会把编排层的路由权默认送给平台。
对国内读者,蚂蚁阿福这条轨迹和英美的 ChatGPT Health、Claude for Healthcare 被放在同一张图里,说明作者把超级应用式健康入口和聊天机器人式入口当成同一类基础设施问题。
这是 Perspective,不是新实验。四个案例的比较深度、阿福和 ChatGPT Health 在预约与履约上到底接到哪一步,正文里应有展开,这里没读到,不能把新闻稿当论文证据。图是概念框架,没有给出完成率或分诊集中度的数字。作者利益冲突需要读进判断里:Keane 是 Cascader 联合创始人,并担任多家设备与药企顾问;Topol 是 Microsoft AI、Perplexity AI、Abridge AI 的顾问。草稿的语法修改用了 Claude Sonnet 4.5,作者自己写在致谢里。