2025年，DeepSeek迅速席卷全國醫療行業。

超過300家醫院已成功部署DeepSeek，覆蓋了患者服務、科研、診療、辦公、管理等各個方面。

隨著DeepSeek帶來的大模型普惠，其應用價值又催生出新的可能。當前，一個新的AI醫療應用市場正在迅速展開——醫療AI Agent。

智藥局統計發現，近三個月內，多家醫院正在基于具體場景需求構建醫療智能體（AI Agent），賽道處于爆發期。

2025年已成為AI Agent+醫療的爆發元年，在海外已經跑出Abrige、Open Evidence等優秀初創公司，國內騰訊、京東、聯影等行業巨頭也在積極布局。

Agent的百花齊放，也意味著AI醫療大模型從技術試驗階段邁入深度場景化應用階段。

升維：大模型到AI Agent

和大模型不同，AIAgent到底是什么？

簡單來說，AI Agent是以大模型作為核心引擎，具備記憶能力、能夠有自主推理和規劃工具的使用，從而來解決問題的智能程序。

即AI Agent =大模型+記憶+使用工具+自主規劃。

尤其Manus的一鳴驚人，也將Agent的概念帶入大眾視野。包括OpenAI、英偉達、谷歌等超級AI大廠，都將Agent視為下一個戰場。

畢竟通用大模型提供了基礎問答能力，但真正的商業價值體現在能夠解決特定行業、特定業務流程痛點的Agent應用上。

要知道，從今年2月份起，已經有超300家醫院宣布本地部署DeepSeek，提升大模型在醫療系統的滲透率，完成技術和市場的雙重教育。

但部署DeepSeek后，能不能真正為醫院帶來增量價值？

許多醫院花費數百萬采購大模型以及一體機，卻停留在簡單對話功能，沒能和醫療業務和場景進行適配。

行業普遍的共識是，各家醫院需要結合自身業務需求對大模型進行二次開發，需要新的創新性解題思路。

在大模型基礎之上構建的Agent，有望真正將AI能力深度融入臨床診療和醫療管理場景，實現技術到業務的升級。

以病歷生成Agent為例，AI能夠像人一樣獲取并且理解患者信息，然后調用和操作數據庫與工具，包括與醫院MCP平臺的接口對接，關聯患者病史、檢查報告甚至過敏記錄，最終生成一份詳實的病歷。

當Agent能處理醫生的真實需求，從助手晉升為伙伴。海外不少醫院和公司意識到了Agent產生的巨大價值，探索出一條商業化路徑。

美國頂尖醫院 梅奧診所 表示：今年重點評估并投入應用的突破性技術，包括自主化智能體（Agentic AI）驅動的自動化系統。

此外，Abridge、Nabla和Ambience等初創則看到了電子病歷自動生成這一賽道，通過“語音識別（ASR）+生成式AI”技術，幫助醫生節省大量撰寫病歷的時間。

Open Evidence作為專為醫生設計的AI診斷輔助工具，通過精準的臨床支持和創新的商業模式，迅速在美國醫生群體中普及。

落地：場景為王

相較于海外生態已初步建立，國內醫療Agent尚且處于行業發展早期。

在部署方式方面，由于Agent涉及到多個大模型和數據庫、醫療系統進行交互集成，對工程能力要求更高，由醫院提供數據+場景，企業提供技術的大模型開發聯盟仍然是主流。

例如，四川大學華西醫院發布的睿兵Agent就由華西聯合潤達醫療、華為、智算云騰等公司共同完成，三家公司分別提供模型、硬件以及云計算服務。

根據當前方面發布的醫療Agent，可以主要分為兩大類：

專科Agent

如今， 中國醫療系統面臨的主要矛盾在于：有限的醫療衛生資源下，如何最大程度滿足人們對健康的需求。

通用大模型能夠簡單輔助醫生診斷，但要解決復雜醫學 問題 ，這些 方案難以 達到醫學 專家水平 ，可解釋性和溯源都較差。

于是，多家三甲醫院優先選擇訓練醫學專科智能體，用于解決專科問診中的各種問題，彌合醫療資源不平衡與患者

例如，上海交通大學附屬仁濟醫院發布首個泌尿專科智能體；江蘇省人民醫院發布感染控制智能體、東南大學附屬中大醫院推出肝癌診療智能體等。

專業知識才是大模型與真正的燃料，也決定了智能體的表現上限，打造專科智能體需要醫院釋放知識與數據儲備。

但三甲醫院電子病歷的關鍵信息以非結構化文本形式存在，難以提取關鍵信息，且因為患者數據隱私保護而無法開放訓練。

針對這一問題，上海交通大學醫學院附屬仁濟醫院與螞蟻集團合作打造的泌尿專科智能體，這是國內首個用疾病結構化數據訓練，并在真實醫療場景運行的專科智能體。

該智能體基于仁濟97.6%疾病譜的標準化病例數據集，并由泌尿科醫生深度參與梳理的知識圖譜，可支持多種復雜場景的醫療任務，已累積服務約30萬人次。

未來，專科Agent能夠整合搜索引擎、電子病歷、醫學影像等工具和多模態數據，為患者提供個性化的服務。

專科Agent還有望進一步打破基層醫療資源稀缺和不平等的困境，減少誤診和跨省求醫需求。

醫院運營與患者服務Agent

除開專科智能體外，對于醫療運營與患者服務的更加細致與完善的需求，也催生了由大模型向智能體的進化。

相較于專業壁壘較高的專科Agent，這類Agent更側重于對醫院業務與場景進行梳理與重新編排，更多地由企業方提供技術支持與服務。

不少醫院已經上線了輔助問診/導診平臺，輔助檢查報告解讀與結構化、病案質控、臨床輔助決策、病歷書寫等Agent。

例如中山醫院攜手聯影醫療，共同打磨了6款“有愛小山”系列醫療智能體并落地到全院。這些智能體包含智能客服、介入手術、質控管理、外科手術、放射智能體，進一步優化醫療效率。

此外，深圳大數據研究院開發的華佗預問診平臺，能夠在智能導診的基礎上，為醫生提供詳盡的預問診報告，已在多家醫院上線。

該預問診平臺可進行多輪深層交互界面，針對患者的問題進行深度分析，同時與醫學知識庫與真實病歷進行關聯，為醫生提供可解釋性方案。同時，華佗還上線了體檢報告解讀、自診自查、拍藥盒查用藥知識等小工具，讓患者更好地進行健康管理。

醫院日常運營中，智能體可以智能化處理行政審批、排班管理等事務，甚至在最核心的DRG/DIP控費環節，AI有望幫助降低醫療支出。

未來：智能體矩陣

簡而言之，醫療Agent的爆發描繪了一個革命性的賽道。

它不僅僅是效率工具，更是重塑醫療流程、提升診療精度和改善醫患體驗的關鍵力量。

實際上，目前醫療Agent的技術仍然不夠成熟，絕大多數仍然定位于工作助手與伙伴之間，還并未出現如同Manus、Lovart 這樣的爆款。

而伴隨著大模型與Agent的不斷成長與優化，未來的趨勢是多智能體協調下的智慧醫院大腦。

即由導診Agent、診斷Agent、質控Agent、隨訪Agent等構成的智能體矩陣，有望重塑臨床路徑優化、資源動態調度等關鍵場景的決策模式。

據智藥咨詢研究院預測，未來中國AI Agent+醫療滲透率將不斷加深，到2031年市場規模有望達到418億元。

到2030年，Agent將全面接管病歷質控、排班系統等非核心醫療流程，多智能體協同系統將基本覆蓋常見病種的個性化診療、支持跨科室的復雜病例聯合會診以及提供從診前健康評估到診后康復管理的全周期服務。

也就是說，AI醫療上限還遠未到達，不僅是大模型需要靠高質量醫療數據進行精進，在Agent層面，也需要行業聯手共建，加速構建Agent產品矩陣。

前景是美好的，但當前大模型以及醫療Agent仍然存在諸多問題。

正如清華專家所指出：DeepSeek的快速、無監管的采用已超出中國的整體監管監督和治理框架，造成了監管的滯后性。

尤其當Agent的建議與規劃被采納并導致不良后果時，責任如何劃分還難以確定，監管框架需要跟上技術發展步伐。

此外，Agent需要強大的集成能力才能發揮最大價值，但現有醫療IT系統由不同的廠商提供，數據流動性和工作流往往割裂，導致呈現效果不佳。

雖然挑戰重重，但Agent引領的醫療智能化浪潮已勢不可擋，將深刻影響我們每個人的健康未來。