智能临床助手DrSeek：10秒精准循证解答
当临床疑问浮现时，您是否希望：无需手动筛选，便能直达最高等级证据？无需切换平台，即可整合诊疗、用药、指南全景信息？在10秒内，就获得一个靠谱、有据可依的答案？现在，为医生量身打造的循证AI伙伴——DrSeek医问答来了。DrSeek医问答能做什么？查疾病：获取包括鉴别诊断思路、建议检查方案及治疗策略等信息。查药物：快速了解药物相互作用、副作用及特殊人群用药注意事项。查指南：提取国内外临床指南的核心要点。为何DrSeek与众不同？极客精神铸就循证核心我们坚信，医疗AI的核心是靠谱。它不应是模糊的推荐，而必须
医生专属AI助手DrSeek：精准医疗决策新工具
夜班遇复杂病例用药拿不准，门诊节奏快需查指南……许多医生尝试用通用AI获取答案，虽可快速响应，但始终心存疑虑。为何通用AI难胜任临床工作？通用AI的“智能”实为文字堆砌，非医学逻辑通用AI能流利输出“肝硬化用药指导”，实则仅为词汇拼接。临床决策要求每条建议皆有文献支撑，而非“看似合理”的交谈。其知识定格于历史，病情发展于当下查询“心衰一线疗法”，可能仍引用2023年资料。而此时新药已面世，旧药新增严重警告。医学领域，无法等待“下次模型更新”。真正适合医生的AI应具备？它必须坚持循证医学——信息实时更新，回
人工智能时代中医药价值再审视
AI越强大，中医可能越重要——中医药在人工智能时代面临的挑战与机遇（中）作者：麻仲学河南中医药大学1979级校友美国千帆大学校长在上一篇文章《中医药在人工智能时代面临的挑战与机遇（上）》中，我谈到了人工智能时代，中医所面临的一些挑战。原本计划把下一篇再沉淀一段时间，等思考得更成熟一些再动笔。不过文章发表后，陆续收到许多朋友的反馈和讨论，有来自中医界的同行，也有来自互联网、人工智能领域的朋友。大家从不同角度提出了许多有价值的观点。我越来越觉得：AI时代，中医真正需要面对的，已经不是“要不要接受AI”的问题。
AI能否取代医者？
《伤寒论》211条，学界指出，亡阳即亡津液，此说可信吗？由此可见，学界之言，并非句句精当，亦有主观臆断之嫌。故治学之道，当不拘泥于典籍，不盲从于权威，广阅深思，方能悟得真谛。AI的医学见解，多援引专家观点，系大数据整合之产物，未必可信。中医历史悠久，流派众多，部分概念名同而实异，AI未必能辨明。例如前文与豆包之对话，豆包竟以后世温病学的三焦学说诠释六经辨证的三焦气化学说，如此混淆概念，岂能得出正确认知。故现阶段AI之医学水平，仅可供参考，而不可奉为准则。部分医疗机构斥巨资引入AI设备却弃置不顾，任其蒙尘，
北大医学部发布医学生AI通识课程报告
截至2025年5月，国内医疗垂直大模型总数已突破288个。无论是智能诊断、精准医疗，还是药物研发与手术机器人，AI技术已深度融入医疗全流程。然而，一个核心议题亟待解答：未来的医生究竟应具备何种素养？北大医学部王静教授团队发布的《医学院校人工智能通识课程探索与实践》报告（67页），对此给出了系统性解答。该报告不仅总结了课程建设经验，也为观察中国医学教育如何应对AI时代挑战提供了重要视角。报告开篇的对比分析颇具深意。在政策层面，支持力度空前巨大。从2017年《新一代人工智能发展规划》将智能医疗列为重点，到20
医学科研必备：AI 五大实战场景与工具解析
各位好，我是金豆宝博士🐹。到了 2026 年，难道还有做科研完全不用 AI 的人吗？若真如此，那你确实有些落伍了。据我所知，众多医师如今开展科研的效率相比三年前至少翻了三番，其制胜法宝在于：熟练运用 AI 工具。今日这篇文章，将为大家详细讲解：AI 在医学研究领域里的五个实战场景，开展科研，首要任务便是研读文献。然而文献数量浩如烟海：不少医师，仅阅读文献便耗费了半数光阴。AI 能为你做到：表格试看一例：你获取了一篇关于"溃疡性结肠炎生物标志物"的 PDF 文献。你可以这样向 AI 提问：&
AI不懂装懂：断指急救的生死教训
2026年5月，知乎上一则帖子引发热议，获赞超857万。有用户分享了亲身经历：家中老人不慎被机器切断了手指，紧急时刻向某AI助手求助。AI给出的建议竟是——"把断指泡在生理盐水里"。正确的急救方式，是用洁净的纱布包裹断指，装入密封塑料袋，随后置于冰水中浸泡。直接泡盐水会导致组织严重水肿坏死，彻底丧失再植机会。仅仅一字之差，却可能造成终身残疾。这一事件揭示的并非单一产品的Bug，而是大语言模型的深层缺陷：AI从未真正"知晓"自己无解。面对超出其训练范围的专业难题，它不会坦承&
医学AI助手"氢离子"：基于循证证据的临床决策支持工具
在儿科医师的日常诊疗过程中，需要不断查阅最新临床研究、阅读外文文献、快速掌握某项随机对照试验的设计与结论。常规做法通常是：使用PubMed检索、借助翻译工具、查阅各类指南应用、再加上文件夹中堆积的PDF资料……信息虽然获取到了，但频繁切换工具的时间成本却相当可观。面对海量的医学知识、碎片化的检索体验，我们真正需要的不只是"能说会道的AI对话窗口"，而是一个能够列举权威证据、绝不凭空杜撰的医学百科全书。今天为大家介绍一款医学人工智能辅助工具——阿里健康「氢离子」，一款具有低幻觉率、高循证性的医学实用助手。直
Alkermes将在SLEEP 2026展示睡眠医学新成果，聚焦alixorexton与LUMRYZ
Alkermes plc近期宣布，将于SLEEP 2026大会上展示其睡眠医疗组合的最新研究成果。该会议由联合专业睡眠学会主办，将于6月14日至17日在巴尔的摩举行。届时，Alkermes将展示26篇摘要，重点包括其在研药物alixorexton以及收购的LUMRYZ的最新动态。 会议的核心看点之一是详细披露alixorexton的Vibrance-2二期临床试验结果。该研究针对2型发作性睡病患者，招募了93名受试者。据公司介绍，这是在该患者群体中使用食欲素2受体激动剂并取得积极结果的首次大型二期试验。相
微创冠脉与顶级医院携手推进AI心脏超声诊断系统联合研发
浙大二院与微创®冠脉共同启动AI心脏超声辅助诊断系统技术攻关项目项目聚焦于运用人工智能技术增强基层心血管疾病早筛能力及心脏超声检查效能，助推分级诊疗机制完善中国，上海——日前，浙江大学医学院附属第二医院携手上海微创医疗器械（集团）有限公司（即“微创®冠脉”）推进的AI心脏超声辅助诊断系统技术攻关项目，已顺利通过“三省一市科技厅（委）”的审批并正式立项。项目聚焦于运用人工智能技术增强基层心血管疾病早筛能力及心脏超声检查效能，推动心脏超声智能化工具在基层医疗场景中的实际应用，助推分级诊疗机制完善，实现就地检查
揭秘AI街潜水的八角：技术大牛的成长之路
在人工智能领域，AI街潜水的八角是一位资历深厚、技术精湛的博主。以下是对他的全面介绍一 个人履历 AI街潜水的八角毕业于华中科技大学，获控制工程硕士学位。他拥有十余年一线大厂实战经验，身为算法专家，曾统领百人团队投身研发二 研究范畴 其研究视野开阔，涉及图像与视频降噪、压缩、超分辨率、目标检测、语义分割、模型压缩及OCR等多元方向三 项目实战1. 图像增强与修复 他构建了基于深度学习PmrNet的AI去噪增强系统，以及基于SRN-Deblurnet的去模糊增强系统，显著优化了画质。此外，他还实现了手写文字
临床AI新选择:解决医生实际问题
豆包即将开始收费。年度费用最高达5088元。身为一线医务工作者，你或许已经察觉：无论是豆包还是其他通用人工智能工具，它们的初衷并非专门服务临床判断。严重失实：时常胡编乱造结果，难以判断其可靠性；"回答"不符实际：建议使用国内尚未上市的药物，或直接套用不适用于中国患者群体的治疗方案；缺乏依据支撑：结论来源不明，无法查找原始文献支持。正因亲身体验过上述困扰，一批临床医学、医疗信息及人工智能领域的专业人士与研究者联手，致力于开发专为中国医师定制的AI辅助决策系统——DrSeek医问答首要原则，遵循实证医学，杜绝
半数医学专利困于实验室！AI能否架起成果转化桥梁？|2026VB100
在国产替代红利消退、一级市场融资趋紧、医疗控费日趋严格的“Hard模式”下，中国医疗器械创新正站在新的十字路口。临床真实需求依然大量存在，但过去靠成本优化、微创新，拼渠道、靠融资的增长逻辑已难以为继。AI，能否成为跨越医工结合“死亡之谷”的关键桥梁？5月20日，由动脉网和视野投资联合主办的2026未来医疗医药100强大会·AI赋能医学成果转化论坛在上海圆满落幕。作为本次论坛联合主办方代表，视野投资管理合伙人肖辛野在开场致辞中表示，聚焦“AI赋能成果转化”并非追逐行业热点，而是中国医疗器械行业在融资寒冬与商
人工智能与数据科学在睡眠障碍领域的突破性应用指南
Handbook of AI and Data Sciences for Sleep DisordersISBN：9783031682629出版社：Springer到货周期：10-12周内容简介在后疫情时代，生活节奏加快与压力剧增让失眠与各类睡眠障碍成为了全球性的健康危机。今天，为大家重点推荐由 Richard B. Berry、Panos M. Pardalos 和 Xiaochen Xian 联合编撰的跨学科前沿著作——《Handbook of AI and Data Sciences for Sle
AI投毒与认知危机：人类正被算法悄然绑架？
不可否认，人工智能正深刻重塑生活，其积极面虽占主导，但隐患亦不容忽视。AI时代或将面临以下挑战：（1）AI投毒产业的悄然兴起。大语言模型依托海量文本进行概率统计建模：通过习得人类语料中词汇与句式的出现频率及关联规律，依概率生成流畅内容，输出结果高度契合人类历史积淀的普遍观点与常识共识。然而，这种依赖海量数据支撑的模型，极易被人為操纵，即遭遇“投毒”。2024年6月，印度理工学院与普林斯顿大学的研究者发表论文《GEO：Generative Engine Optimization》，首次界定了“AI投毒”概念