AI真正帮医生“干活”了，百度健康推出行业首个医生任务型AI助理|ai助理|任务型|医学|医生|百度健康|知名企业|肿瘤|陈曦

百度健康发布的“有医助理”以“检索+执行”的完整闭环，让医疗AI真正开始替医生干活。

撰文 | 文慧

晚上9点半，医生陈曦还在工作。

他今天新收治了一位病情复杂的患者，各指南之间的表述略有出入，他需要查得更清楚些。

这样的夜晚，对中国大部分医生来说，并不陌生。“医学界”推出的调研报告显示，我国约40%的医生每天花在门诊和手术的平均时间就超过8小时，而这往往并不是医生工作的全部，还有带教、患者教育、科研、行政等，因此，加班是常态。

临床诊疗忙、文献查阅乱、科研成效慢、文书事务杂、患者随访重……是医生日常工作中最沉重的几座“大山”。

AI技术被视为破局的关键。但过去落地的工具，大多“能聊不能做”：会回答问题，但不会真正干活；能给出建议，却要再核实出处；偶尔还会一本正经地给出一个“幻觉”答案，让医生越用越不放心。

医生们最需要的，究竟是一个又一个搜索框，还是一位真正能帮忙做事的“数字同事”？

4月2日，百度健康给出了一个答案——“有医助理”。这是百度健康面向医生群体推出的AI专业智能助理，是国内首个医生专业版“龙虾”，也是国内首个将权威医学检索与任务型AI执行深度融合的全场景医生工作平台。

“有医助理”的意图也在口号中点明：让医生从“信息检索”走向“任务完成”。

让每一步决策都有依据的“数字金标准”

对肿瘤科医生来说，“查指南”这件事，从来没有表面看起来那么简单。

肿瘤医学是更新最快的临床领域之一。以肺癌为例，中国每年新发肺癌病例约106万，发病率居恶性肿瘤首位；新靶点、新免疫药物、新联合方案层出不穷，CACA、CSCO、NCCN、ESMO各大权威指南每年更新，版本互有交叉，有时结论并不一致。医生要在繁忙的临床工作之间，随时跟上文献前沿，难度可想而知。

中国工程院院士、中国抗癌协会理事长樊代明在发布会上表示，医学发展到今天，医生面临着困境：知识越分越细，医生难以掌握全部信息。“我们怎么办？需要AI来帮忙。”

林静是某三甲医院肿瘤内科的医生，她对“理想检索工具”的设想是：“我不需要它替我做决策，我需要它告诉我，这条建议从哪来的、证据是几级、有没有本土数据支撑。临床上我最怕的，是用了一个‘看起来像指南’的答案。”

“有医助理”的检索模式，正是在回应这一需求。

对于其背后构建的知识体系，

百度健康给出了一组数据：6000万+专业文献、20万+用药知识图谱、5万+权威指南共识、2万+医学书籍等。每一条结论均可溯源并定位至原文，解决“信息确定性”难题。

“有医助理”还深度联合医典顶尖专家生态，针对临床疑难科室开展“专家经验+AI模型”的持续性共建。以肿瘤领域为例，平台联合中国抗癌协会，率先引入《中国肿瘤整合诊治指南》（CACA指南）并联合院士级专家团队构建肿瘤诊疗的“数字金标准”，解决能力已达到行业领先水平。

樊代明院士强调，AI取代不了医生，但不懂AI的医生一定会被取代。他评价道：“百度今天做出来的有医助理，把CACA指南装进去，当医生的高级助理。”他也指出：“授人以鱼不如授人以渔，但是我们做的是告诉你哪个地方有鱼——有医助理就是那个指路人。”

这不是信息的简单搬运，而是一套以循证医学范式为底层逻辑的知识组织系统。

产品界面图

陈曦是“有医助理”的体验用户之一。当他向“有医助理”提问：局部晚期非小细胞肺癌、PD-L1高表达、驱动基因阴性患者，同步放化疗后免疫维持的一线方案选择依据是什么，CACA与NCCN的推荐有何异同？

“有医助理”用秒级的速度整理出了CACA与NCCN相关条目的对照说明，注明了各自的推荐等级，并附上了支撑这些推荐的核心临床研究的主要终点数据。

“快是一方面，”陈曦说，“更重要的是，它给的东西我敢用。每一条都能查到出处，可以拿来直接进行讨论。”

乳腺外科的赵磊则更看重“有医助理”有效辅助诊断和对“本土数据”的覆盖。“输入患者病情后，系统可以自动检索权威指南、最新临床证据，给出诊疗建议。另外，很多指南是以欧美人群的临床试验为基础制定的，但亚裔患者，无论是EGFR突变的发生率，还是对某些免疫药物的毒性反应，都有自己的特点。‘有医助理’能调出国内多个中心的真实世界研究和本土指南，这对我们来说意义很大。”

这正是“有医助理”检索模式所追求的价值：不做知识的搬运工，而是成为深度参与临床决策与学术研究的“数字合伙人”。

一个“懂你”的数字同事

如果说检索模式解决的是“信息从哪来”的问题，那么“有医助理”的任务模式，解决的则是“事情谁来做”的问题。

“有医助理”是国内首个基于Claw框架的医生任务型AI助理（俗称医生版“龙虾”）。它的核心突破，不在于回答问题，而在于执行任务：自动收集研究资料、定时整理科研进展、记住医生的日程安排、整理文件……真正做到“聊天即用、帮你做事”。

Claw框架的独特之处，在于赋予了AI“计划—执行—反馈”的闭环能力。它不只是一个被动响应的对话系统，而是能够主动感知任务进度、分解复杂工作流、在多步骤执行中保持上下文连贯的智能助理。医生不需要反复下指令，系统会自行推进，并在需要确认时主动提醒。

这种能力正在让医生的工作方式发生切实的改变。

科研论文，是压在几乎每一位临床医生心头的“拖延症”重灾区。

以一篇综述类论文为例，文献综述阶段通常需要医生在3到5个检索库之间反复横跳，积累数百篇文献，逐篇筛选、阅读、标注、提炼。这个过程，往往要耗费数周乃至更长时间，而这还只是“开始写”之前的准备工作。

而“有医助理”的任务模式将传统“单线程苦熬”的科研过程转变为“多线程协作”的高效体验。

从选题、开题、数据收集与分析，到论文撰写、投稿修改及答辩，有医助理可在医学科研全流程中为医生提供切实有效的帮助。

以选题为例，医生不再需要花2～3周泡在PubMed里摸不清方向，“有医助理”30分钟即可生成选题预研报告，一次性对比三四个方向的可行性、热度与空白点，提前识别伦理风险和样本量缺口；数据分析则可实现代码实时编写调试，一键生成符合期刊要求的图表；投稿修改阶段，它能帮忙分析期刊匹配度，生成针对性Cover Letter，逐条拆解审稿意见并制定回复策略。

林静完整测试了这一流程，“节省了非常多的时间，这些时间可以用在那些真正需要我来思考的部分，研究的创新点在哪里，数据的解读视角从哪切入等等。”

医生的日常，还有大量时间消耗在文书工作上：病历记录、出院小结、MDT讨论纪要、患者知情同意的核对与归档……

“有医助理”的任务模式支持标准化病历改写、生成影像描述、汇总检验报告异常等多项功能，让医生从这些繁杂的文字工作中抽身。“有医助理”还设想了未来患者随访管理的应用场景，将在二期上线。

以肿瘤为例，患者的随访时间长达数年乃至数十年，每次随访的内容可能涵盖影像复查、症状评估、毒副反应监测等多个维度。一个管理数百名患者的肿瘤科医生，仅随访计划的维护与提醒，就已是不可小觑的工作量。

“有医助理”的任务模式，可以自动记录每位患者的诊断信息、治疗阶段与随访节点，主动提醒医生和患者，并在约定时间自动触达患者。随访数据则实现自动分析，主动预警异常指标，而且，这些数据还可以自动沉淀支持后续科研分析，变为“科研资产”。

赵磊畅想了这种体验，在他看来，这是“从救火变成防火”。“以前是患者快到随访期了我才想起来追，如果有这项功能，系统可能提前提醒我，哪些患者该复查、哪些患者距离上次随访已经超过了建议周期。主动权在我手里了。”

从被动应对到主动管理，“工具”与“同事”之间的差别，不仅是功能层面的，更是工作关系层面的。工具等着你来用，同事会主动帮你想。“有医助理”的任务模式，正在尝试成为后者。

医疗AI将走向哪里？

回到陈曦那个晚上9点半的时间。如果他打开了“有医助理”，将会发生什么？

他在对话框里输入患者的症状概述和用药史，检索引擎即刻调用深度专科数据提供多维度的分析逻辑与循证方案对比，每一条建议附带原文出处；

切换到任务模式，他把当天需要完成的16份病历整理工作交给助手，系统批量生成阶段性诊疗小结，并为其中3位患者自动设置下周随访提醒；

空出的那段时间，他打开了那篇拖了六周的论文，而“有医助理”已经帮他完成了文献综述的初稿，数十篇文献，按研究类型分类归纳，核心数据提取齐全，引用格式规范标注。