医疗领域的 AI 智能体：连接数据与人类关怀

毫无疑问，AI 智能体是 2025 年的核心技术叙事。今年早些时候，我们研究了 AI 智能体如何奠定基础，将数据系统的冷静精确与人类的温暖复杂相结合，从而在医疗健康领域解锁新的机遇。

问题不在于 AI 智能体是否会改变医疗健康，而在于我们能多快跨越从有前景的试点到大规模落地之间的鸿沟。 超过 83%的美国医疗服务提供商高管已经在尝试生成式 AI 解决方案，但从概念验证到产生有意义的影响，这一过程依然充满了独特的人性化挑战。

我们认为，AI 代理可以通过解决整个生态系统中的关键挑战来彻底变革医疗保健：通过简化不同系统之间的数据交换，AI 代理可以提升互操作性 ，并实现对全面患者数据的分析，从而实现前所未有的护理个性化 。这可以增强价值导向医疗（VBC） 模式，该模式专注于通过改善患者、医疗服务提供者和支付方之间的护理协调来推动更好的患者治疗结果。

互操作性的承诺

从本质上讲，AI 代理是配备了工具并在定义的安全边界内自主实现特定目标的大型语言模型（LLM）。在医疗保健领域，当我们考虑这些工具可能带来的功能时，这一定义具有更深层的意义。代理可以作为分散系统之间的连接组织，从孤立数据中提取洞察，创造更个性化的护理体验，并在价值导向模型下更好地衡量结果。

但首先，我们必须承认一个关于医疗数据的现实挑战：它在很大程度上是杂乱的、分散的且未被充分利用。互操作性挑战本质上是数据挑战。例如，医疗数据的存储使用了不同的格式和标准，从现有标准（如 HL7 v2）过渡到新标准（如 HL7 FHIR）又增加了复杂性。这一问题因数据定义和上下文缺乏一致性而进一步加剧（例如，同一项手术或处方会记录不同的描述，如“每日 100mcg”与“50mcg x 2 片”）。

现代医疗数据涵盖电子健康记录（EHR）、收入周期管理系统以及无数其他医疗服务提供方和支付方平台，它们各自使用不同的“语言”。即便在这些系统内部， 只有 20% 的数据是结构化的 ，且易于共享。剩下的 80% 包括电子邮件、临床笔记、医学影像、语音记录等非结构化数据——这些数据信息丰富但对传统集成方法来说难以访问。

这正是 AI 智能体的多模态能力具有变革性意义的地方。与当今主导数据交换范式的结构化 API 不同，AI 智能体能够实时处理海量输入，从而开启此前未曾利用的洞察来源，并能自主采取行动。

混合未来

话虽如此，我们所构建的未来并不是让智能体取代现有的集成方式，而是让它们相互补充。相比结构化集成，智能体集成具备多模态、更具适应性以及更快的优势，但其本质上仍是非确定性的，并且管理成本可能较高。在像医疗这样受监管且涉及敏感数据的行业中，结构化 API 依然会因其精确性和可靠性而被依赖。然而，AI 智能体的多模态能力可以弥补结构化 API 的不足，从此前无法触及的来源中提取洞察，并聚焦于更广泛的任务范围。结合 API 与智能体的混合集成方式，可以兼顾两者的优势。我们采访了一位已经在实践这种混合方法的创始人：他们的智能体能够从 EHR 中提取结构化数据，同时捕捉语音输入以支持护理协调。

Anthropic 的 MCP 框架让这一愿景变得更加具体。从宏观层面来看，MCP 是通用连接器——就像 USB-C 接口一样，使智能体能够与任何系统交互，无论是网络服务还是本地文件。自 2024 年底推出以来，MCP 已经席卷科技界，并正逐渐成为一种标准：许多智能体平台现在被期望能够托管甚至提供即插即用的 MCP 服务器。更进一步，Google 还在 2025 年 4 月发布了一个开源标准 A2A，以实现智能体之间在不共享内存、资源和工具的情况下进行协作。

这些框架仍在快速发展且处于早期采用阶段，但它们揭示了前方巨大的挑战与机遇：标准化问题、安全隐患、可扩展性难题，以及真正实现互操作系统的潜力。

展望未来：AI 驱动的综合医疗体验

正在成型的自主医疗生态系统横跨应用层和集成层，同时覆盖 B2B 和 B2B2C/B2C 市场。随着我们观察这一领域的发展，我们对推动一种综合化、个性化的体验充满期待，这种体验有望从根本上提升数百万消费者当前的健康管理方式。我们认为有几个主题是值得关注的机遇：

我们看到一个世界，在这个世界中，我们不再依赖手动流程来理解分散在 EHR、药房、可穿戴设备、理赔或实验室之间的数据。如今，这些数据的洞察将被自动化处理，并直接传递给医疗服务提供者。在以价值为基础的医疗模式中，这意味着能够发现支出和节省干预的机会，这条道路已由 Aledade 铺就，并将被更多原生 AI 模型所延续。 

我们对增强型 AI 流程在临床工作与治疗结果之间架起桥梁的潜力感到特别兴奋，尤其是在 AI 面向患者的工具提升了诊室外的互动参与度的情况下。以语音 AI 解决方案为例，我们观察到语音正日益成为塑造 UI/UX 的关键组成部分。像 Hippocratic AI 这样的参与者，已经在慢性病管理中部署了代理，患者可以通过语音与代理交流，以监测依从性和生活方式调整。像 Assort Health 这样的新兴参与者，则在为专业诊疗构建处理来电患者的能力，从而为医生腾出更多时间与患者交流。 

随着多模态能力的扩展，对专业化集成的需求也会随之增长。像 Care Quality 和 Health Gorilla 这样的公司正在与像 Particle Health 这样的初创企业一起，为数据共享创建全国性框架，帮助服务提供商理解这些数据。但我们看到，世界正从仅具备读取能力向具备读/写能力转变。我们已经在金融领域见证了这一变化，并且毫不怀疑它将进入医疗保健领域。    

放眼全局，这个自主生态系统中的竞争优势将来自以下几个方面：

数据战略 代表着第一道前沿。成功将来自于整合孤立的系统、利用多样化的数据集，并通过改进的记忆和上下文检索能力，在大规模上实现深度个性化。Core 的论点是： 在一个数据无限的世界里，上下文取胜。 

代理架构 构成了第二个挑战。未来将涉及许多专门的代理协同工作，每个代理都为特定任务而设计，但通过精心的编排进行协调。具备防护措施、评估机制以及人类参与（HITL）设计的稳健架构将至关重要。Core 的论点是： 大规模投资于 AI + 人类协作

进入市场策略 将成为下一个关键的差异化因素。以产品驱动增长的模式，如果能在早期清晰展示价值，并带来超越效率提升的投资回报（例如发现新的收入来源），将能够占据可持续的市场地位。随后采用“先落地再扩展”的策略，将实现与工作流程的深度整合，而不仅仅是提供单点解决方案。Core 的论点：嵌入现有工作流程，同时尽量减少变更。  

适应性 在快速变化的环境中依然至关重要。基础模型、智能代理基础设施和监管仍在不断演变，而医疗保健机构在采用新技术方面本质上依然保守。在核心构建中保持灵活性将至关重要。Core 的论点：不要试图成为全栈，基础层将胜出。 

建立信任

毋庸置疑，基础设施的转变已经在进行中，主要由横向平台推动，这些平台在标准化智能体框架和通信协议方面奠定了技术基础。那些懂得如何在其之上进行有意义构建的人，将能够占领垂直化市场。

然而，尽管技术不断进步，真正的采用障碍依然存在，尤其是在信任方面。医疗保健的核心是人与人之间的关系：患者与提供者之间、机构与其服务的社区之间。AI 智能体必须赢得其在支持这些关系中的地位，而不是取而代之。应当投入有意义的努力来弥合技能差距，并解决任何被扰乱或取代的劳动力问题。

在医疗保健领域，通过从行政工作流程中的细分、高价值用例入手，逐步进行应用，可以帮助降低采用门槛——从小处着手建立信任。毕竟，高准确率至关重要。客户最大的抵触情绪通常源于风险规避——当人命攸关时，错误的代价极高。因此，在短期内，临床批准和 HITL（Human-in-the-Loop，人类参与）将依然重要，且超越了 HIPAA 和 HiTrust 合规的基本要求。这也是我们支持 Autoblocks，专门针对医疗保健用例测试并捕捉 AI 工具失效的一个重要原因。

归根结底，在医疗保健等高度监管的领域中存在一种健康的张力——虽然 AI 能推动自动化和超个性化，但必须有强有力的防护措施来保障患者的治疗效果和数据隐私。理解这种健康怀疑与乐观试验之间的平衡，是实现技术在重塑医疗体系和日常生活中潜力的关键。潜力巨大，现在让我们去把握它。