蚂蚁阿福探索“AI+医生”模式：AI回答经医生审核，15%用户采纳
背景与模式创新
随着大语言模型在医疗健康领域的快速渗透，用户对AI医疗问答的需求日益增长，但医疗场景对准确性、安全性和伦理合规的要求极高，单纯依赖AI生成内容存在误诊、信息误导等重大风险。蚂蚁集团旗下健康服务平台“蚂蚁阿福”近期推出了一种创新模式——“AI+医生”协同问答，即由AI初步生成医疗相关问题回答，随后由执业医生进行人工审核与修正，最终将审核后的内容呈现给用户。这一模式旨在平衡AI的响应速度与医生的专业权威，探索医疗AI落地的可行路径。
核心机制：从“生成”到“审核”的闭环
该模式的关键在于“医生审核”环节。AI模型（基于蚂蚁自研的医疗大模型）首先根据用户症状描述、疾病查询等输入，生成结构化回答，涵盖可能的病因、建议就医科室、居家护理要点等。随后，该回答被推送至平台上签约的执业医生端，医生在限定时间内（如15分钟内）对AI输出进行校验、补充或修改，重点核对是否存在事实性错误、过度诊断倾向或不符合临床指南的表述。只有通过医生确认的答案才会最终推送给用户，并标注“由医生审核”标识。这一闭环设计将AI的生成效率与医生的临床判断力结合，本质上是一种“人机协同”的轻量级数字疗法尝试。
15%采纳率的数据含义
平台披露数据显示，经医生审核后的AI回答最终被用户采纳的比例约为15%。这一数字需要辩证看待：一方面，15%的采纳率看似不高，但考虑到医疗问答的高风险属性（用户可能更倾向于线下就医或重复验证），且用户对AI+医生模式的信任建立需要时间，该数据已属可接受的初期表现；另一方面，它也揭示了当前AI生成内容与医生审核后的最终答案之间存在较大差异，反映出AI在复杂症状鉴别诊断、个体化病情解读等方面的局限性。与纯AI问答（未经审核）常见约40%-60%的采纳率相比，15%的采纳率说明医生审核过滤了大量可能误导用户的回答，实际上提升了质量而非降低了效率——因为未被采纳的用户可能获得了更准确的建议（如“建议您立即就医”或“需进一步检查”），从而规避了自诊风险。
行业影响与未来展望
蚂蚁阿福的模式为医疗AI落地提供了“可解释、可追溯、可问责”的思路。对比其他平台（如直接提供AI问答或在线问诊），该模式在风险控制与用户体验间找到了折中点。未来，随着模型对医生审核反馈的持续学习，AI生成内容的准确率有望提升，采纳率可能逐步爬升。同时，该模式也面临挑战：医生审核的人力成本较高，如何保证审核时效与质量；以及如何将15%的采纳率转化为用户满意度和复购率。在政策层面，该模式符合国家对于互联网医疗“辅助诊断、不得替代医生”的监管导向，有望成为医疗AI合规化的重要参考范式。
