人工智能医生
AI Doctor（人工智能医生），又称虚拟医生或医疗AI智能体，是指基于人工智能技术（特别是深度学习、知识图谱和大语言模型），能够模拟人类医生进行病史采集、辅助诊断、治疗方案推荐及随访管理的智能系统。与传统的CDSS（临床决策支持系统）不同，新一代 AI 医生具备更强的多模态理解能力（能看懂CT/MRI）和自然语言交互能力（能通过对话共情患者）。它是未来医疗体系中“人机协同”的核心，旨在解决医疗资源分布不均和医生职业倦怠问题。
技术架构：大脑与知识库
现代 AI 医生的构建通常遵循 "双脑架构"：
1. 生成式大脑 (GenAI)： 基于 大语言模型 (LLM)。负责理解患者的自然语言，进行共情交互，并生成流畅的回复。优点是通用性强，缺点是容易产生幻觉（胡说八道）。
2. 知识库外挂 (Knowledge Base)： 基于 医学知识图谱 (MKG)。提供绝对准确的医学事实（如“奥希替尼治疗EGFR突变”）。
技术路径： 目前最主流的方案是 RAG（检索增强生成）和 GraphRAG。即：AI 先在私有知识库（如 yixue.com）中检索准确信息，再结合这些信息生成回答，从而解决“一本正经胡说八道”的致命问题。
文件:RAG Architecture Medical AI
横向测评：三代 AI 医生的演进
从最早的专家系统到如今的大模型，AI 医生经历了三次范式转移。
| 代际 | 代表系统 | 核心逻辑 | 优缺点 |
|---|---|---|---|
| 1.0 专家系统 | MYCIN (1970s) | “If-Then 规则”。 医生手工编写成千上万条逻辑规则。 | 准但僵化。 逻辑透明，但无法处理未知的复杂病例，维护成本极高。 |
| 2.0 判别式AI | IBM Watson, AI影像 | “统计分类”。 学习海量数据，给出一个概率（如“肺结节恶性概率 85%”）。 | 专而不全。 在看片子（CV）上超越人类，但无法像全科医生那样进行逻辑推理和对话。 |
| 3.0 生成式AI | Med-PaLM, GPT-4 | “通才推理”。 通过海量医学文本预训练，具备了通过美国执业医师考试（USMLE）的能力。 | 全能但有幻觉。 像一个知识渊博但偶尔会撒谎的医学生。需要外挂知识库来约束。 |
关键能力：Clinical Agent (临床智能体)
Diagnostic Reasoning (诊断推理)
新一代 AI 医生不再是简单的搜索引擎。它能够进行多轮对话，像真人医生一样进行鉴别诊断（Differential Diagnosis）。例如：“您提到胸痛，请问是针刺样痛还是压榨性痛？是否向背部放射？”这种主动追问能力是区分 Chatbot 和 AI Doctor 的关键。
Empathy & Humanism (共情与人文)
Google 的研究显示，在回答患者咨询时，经过微调的 AI（如 Med-PaLM）在“同理心”评分上甚至超过了人类医生。这使得 AI 医生在慢病管理（如糖尿病饮食督促）和精神健康支持方面展现出巨大潜力。
关键参考文献
[1] Singhal K, et al. (2023). Large language models encode clinical knowledge. Nature.
[里程碑]：介绍了 Google 的 Med-PaLM，这是第一个在 USMLE 考试中达到“专家水平”（分数>85%）的 AI 模型，标志着 AI 医生时代的到来。
[2] Topol EJ. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine.
[未来展望]：Eric Topol 提出，AI 不会取代医生，但“使用 AI 的医生将取代不使用 AI 的医生”。