本文由智东西编辑团队整理编写。
智东西4月2日发布消息，今日百度健康推出了国内首个专为医生设计的AI助手——有医助理。这款基于Claw框架开发的产品是国内首款专注于任务型医疗应用的人工智能工具，与市场上其他主要停留在医疗百科或通用问答层面的AI产品不同，它首创了“检索+任务”双引擎模式。
发布会展示了百度健康有医助理的最新功能和优势。
检索模式定位为中国的OpenEvidence版本，数据库整合超过6000万的专业文献、20多万用药知识图谱以及5万多权威指南共识等资源，并确保每条结论都能追溯到原始出处。而任务模式则通过Claw框架提供包括内容创作、学术检索、临床诊疗、科研论文和患者管理在内的五大应用场景，总计800多项技能。
此外，百度健康与中国抗癌协会合作，引入了涵盖53种癌症类型的CACA指南以及72项诊疗技术标准。
百度健康希望这款AI助手不仅能回答问题，还能为医生的实际工作提供实质性的帮助。
体验地址：
为了验证这一创新工具的功能性，智东西在文献检索、科普写作和临床诊断三大核心场景中进行了测试。
首先是关于其文献搜索功能的评估。
对于神经外科医生而言，在日常工作中需要频繁地查阅有关脑出血术后康复的相关文献。传统方法下，这通常需要几天的时间才能完成所有必要的检索、筛选和汇总工作。然而，使用有医助理的检索模式，整个过程可以在一次对话中解决，并且提供了每篇引用文献的直接链接。
在实际测试过程中，我们提出了如下需求：“我是一名神经外科医生，希望找到关于脑出血术后康复的相关资料。”
AI助手迅速返回了27篇文章，并精选其中的20篇进行了详细整理。它生成了一份包含概要、原则和具体治疗信息的报告，同时提供了可以直接下载或在线查看的文献列表。
接下来，在格式要求方面也进行了测试，请求以APA格式输出所有引用并附上DOI号，有医助理很快完成了任务。
测试结果显示，所推荐的文章均来自近五年的权威期刊，包括《中华神经外科杂志》和《中国医院药学杂志》等北大核心期刊，专业性极高。
在“龙虾”模式下，有医助理还能够处理一些日常文书工作。我们以撰写一篇面向2型糖尿病患者的饮食管理科普文章为例进行了测试。
尽管生成的内容在专业性和准确性上都令人满意，但输出的形式和长度并未完全符合要求。如果医生想要直接用于微信公众号发布，则需要进行额外的编辑工作。
总体来看，“龙虾”模式下的有医助理在内容创作的专业性上有保障，但在理解和执行特定格式方面仍需改进。
在辅助临床决策方面，这款AI助手同样表现出色。我们向其提供了一份包含主诉、现病史等信息的完整病例记录，以评估它的诊断能力。
根据提供的患者信息，系统迅速给出了初步诊断——非ST段抬高型急性冠脉综合征（NSTE-ACS），并指出了可能存在的高血压问题。同时列明了详细的判断依据和潜在风险提示。
从测试结果来看，“龙虾”模式下的有医助理在分析思路的清晰度以及提供的决策支持方面都表现出色，尽管它强调其定位是辅助而非替代医生进行最终诊断。
此外，这款AI助手还可以提供论文选题、研究方向和设计方案等科研方面的帮助，但目前还不能完成完整的论文写作任务。
综上所述，有医助理已经具备了初步的“龙虾”形态，不仅能够回答问题，还能执行实际工作。然而要真正融入医生的工作流程中，仍需进一步优化和完善。
总结而言，在文献检索、信息整理及辅助决策等方面，这款AI助手已展现出一定的实用价值。未来的发展趋势在于谁能更好地帮助医生节省时间和减轻负担，使人工智能从聊天工具转变为真正的医疗工作流中的重要组成部分。
三、检索与任务模式联动，辅助医生诊断
文献能查、文章能写，但医生最核心的工作始终是临床决策。
我们输入了一份包含主诉、现病史、既往史、查体及辅助检查的完整病历，让有医助理帮我们进行诊断。
58岁男性，间断性胸痛3天，加重6小时，压榨样，伴出汗恶心；高血压10年控制不佳，吸烟30年；心电图V4-V6导联ST段压低，肌钙蛋白轻度升高。
系统很快给出了一份诊断报告，把首要问题判断为非ST段抬高型急性冠脉综合征（NSTE-ACS），同时提到患者还存在高血压控制不佳的问题。
从这份结果来看，它的分析思路还是比较清楚的，不是只给结论，把判断依据也列了出来。
另外，它也没有把问题说得过于单一，而是进一步提醒医生注意几种不能漏掉的危险情况，尽量补充医生实际看诊时会关心的风险点。
当然，需要强调的是，有医助理在产品定位上也明确了自身是“辅助诊断”而非“替代诊断”。最终的临床决策仍然需要医生结合患者的具体情况做出判断。但作为一个“随时在线的会诊助手”，它在诊断推理的准确性和结构化呈现上，已经展现出了实用价值。
此外，有医助理还能辅助科研，提供论文选题、研究方向、研究方案设计等，不过论文写作这方面的任务还不能完成。
结语：医生版“龙虾”下一步，是真正进入医生的日常工作流
整体来看，有医助理已经长出医生版“龙虾”的样子，不只会聊天、会回答问题，同时具备“查”和“做”的能力，能够覆盖文献检索、病历整理、科研支持、患者管理等高频场景。不过，它离成熟稳定、真正深度进入医生日常工作流，还存在一定的提升空间。
从这次实测看，它在文献检索、信息整理和辅助判断上已经展现出一定实用价值。放到更大的医疗AI赛道里看，接下来真正值得关注的，不是谁更会答题，而是谁更能真正帮医生省时间、减负担，把AI从工具栏里的聊天框，推进到真实工作流里。