從問答到執行：解讀醫療工作流 DoctorClaw 與 Agentic AI
- Association Secretary
- 4小时前
- 讀畢需時 6 分鐘
近幾週，一個不尋常的代號在中國的醫療與科技社群引發廣泛關注：「DoctorClaw」。根據多家媒體報導，百度健康正在內部孵化一款安全可控、專為醫師設計的 AI 助手，且該專案據稱已進入封閉式 Beta 測試。截至本文撰寫時，百度健康尚未對外公開確認相關細節，產品的最終形態亦仍未披露，但消息來源指出其可能已接近上線。
不僅僅是一款產品，這則消息更反映出一個更大的趨勢：AI「智能體（Agents）」正逐步成為醫療數位轉型的核心策略，推動產業從「回答問題」的工具，邁向能在人類監督下進行規劃、協調並執行任務的系統。
DoctorClaw 是什麼？（依報導整理）
媒體報導將 DoctorClaw 描述為一款面向醫師的專業 AI 助手，用於支援臨床與學術工作流程，同時滿足嚴格的隱私與合規要求。
報導指出其短期聚焦方向包括：
學術文獻檢索與整合（例如：調取論文、彙整證據、整理引用文獻）
辦公／工作輔助（例如：撰寫文件、結構化研究筆記、整理任務清單）
報導提及其長期目標延伸至：
臨床場景（決策支援與工作流程支援）
科研場景（研究規劃、進度追蹤）
醫學教育與教學支援
另有報導指出，該助手可能具備如醫學公式查詢與醫學檢查報告解讀等能力，顯示其設計理念在於「懂醫學、懂醫師工作流」，而非一般消費級聊天機器人。
為何「Agentic AI」比一般聊天機器人更重要？
在此脈絡下，AI 智能體（AI Agent）通常指能夠：
感知情境（資料、工具、使用者意圖、環境）
做出決策（選擇步驟、排序優先級）
執行動作（呼叫工具、生成輸出、觸發提醒、更新紀錄）
這與主要以文字回覆為主的標準聊天機器人不同。Agentic AI 的目標是完成多步驟任務——例如：蒐集某主題論文、擷取關鍵終點、產出大綱、追蹤更新，並在出現新證據時通知使用者。
因此，不少分析師將智能體視為生成式 AI 的「工程化落地階段」：不只是產生答案，而是交付可用的營運結果。
更廣泛的市場趨勢：醫療智能體成為策略重點
DoctorClaw 的討論出現在中國一波醫療智能體（agent）布局浪潮之中。產業觀察指出，京東健康、騰訊、微醫／衛寧健康（卫宁健康）、潤達醫療（润达医疗）、華為、螞蟻集團等大型企業，正積極探索以智能體系統強化平台與企業級產品；同時也有新創公司為藥企、醫院與保險機構提供智能體解決方案。
一項預測（引用自本地產業研究）指出，中國「AI Agent + 醫療」的滲透率將穩步加深，市場規模到 2031 年可能達到 人民幣 418 億元。雖然不同研究方法可能導致預測差異，但方向一致：智能體工作流正逐步走向醫療 IT 主流。
相關公司／機構與應用：
公司/机构 | 名称 | 应用场景 |
四川大学华西医院 | 智能助手Agent | 聚焦流洽、可实现知识获取、疾病诊断、科普辅导等多功能 |
华为 | Noah AI | 包含了医疗设备/企业的DPCDH信息系统、法律风险及BDZ服务等 |
北京协和医院 | Med Agent | 以临床需求为导向，为医务工作者提供便捷的服务，支持临床路径方案 |
清华大学医学产业研究院 | Agent Hospital | 支持临床的诊断、报告、分诊、回访等，针对特定的临床需求定制 |
柯瑞药业 | AI健康管理助手 | 提供病历的监测、分析报告等，增强医疗决策能力 |
和元科技 | 丹茂 | AI家族的全生命周期管理 |
复星医药 | PharmaAID | 量产化的智能药物研发和全生命周期管理 |
预云科技 | 良医小鲨 | 临床辅助、患者服务及科研细节，个人AI医疗助手，支持健康管理设计 |
金枫集团 | 小桔医 | 为医院提供多维度、项目评估、诊断建议、医疗服务等 |
京东健康 | 康康 | 健康咨询、在线问诊、体检分析、义诊活动、线上预约、体检跟踪等 |
百度健康 | 智能体医疗 | 包括AI医疗策略、益痛科、AI医保助手等 |
微医 | CareAI | 健康智能导航系统 |
北京积水潭医院 | 心血管治疗辅助管理 | 为心血管相关疾病提供预测、治疗和评估建议，适应不同层次、复杂和高风险的病人 |
清华大学 | APUS | AI数字医疗平台 |
四川省人民医院 | “新品牌DeepSeek” | 医疗咨询、病理服务、疾病预警推送等 |
用友 | BIP智能体平台 | 能够满足医疗内联网的一体化需求，日常运用可自适应，响应养老服务需求 |
观明智医疗 | 医疗辅助分析 | 数据挖掘、临床辅助、健康管理等 |
美國市場釋放的訊號
在全球範圍內，也能看到類似的發展：
梅奧診所（Mayo Clinic）表示，「由 agentic AI 驅動的自動化」是其計畫評估並投資的突破性技術之一。
Abridge、Nabla、Ambience等新創透過 ASR（語音辨識）+ 生成式 AI 自動化臨床紀錄撰寫，減輕醫師撰寫 EHR 病歷的時間負擔。
OpenEvidence 等工具以臨床導向的證據檢索與決策支援切入，並結合務實的商業模式與分發策略，迅速在美國醫師族群中普及。
這些案例顯示，價值通常最先出現在：文件化、檢索、摘要、流程自動化、降低行政負擔等方向。
智能體可能重塑醫療營運的領域
Agentic AI 常被描述為覆蓋整個醫療旅程——預防、診斷、治療、康復。但最務實的早期落地往往集中於「非核心但摩擦高」的任務：
文件與病歷撰寫
病歷質控
排程與協調
隨訪提醒與患者管理流程
證據檢索與指南比對
更長期的願景包括在「智慧醫院大腦」中進行多智能體協作：導診智能體、診斷支援智能體、質控智能體、隨訪智能體共同工作，以最佳化臨床路徑與資源配置。
安全、合規與整合：真正的門檻
即便動能正在增長，關鍵挑戰仍然存在——尤其是在醫療場景：
責任歸屬與法律責任
若智能體的計畫被採納並造成傷害，責任如何界定仍是艱難的監管與法律問題。
系統整合
許多醫院使用來自不同供應商的異質 IT 系統；資料與工作流往往割裂，限制智能體效能。
資料治理與隱私
醫療領域需要嚴格控管存取、留存與稽核，特別是涉及敏感病患資料時。
DoctorClaw（據報導）的安全設計
部分報導指出，DoctorClaw 可能採用多重防護，以支持「安全可控」部署，包括：
針對每位醫師提供隔離式沙箱環境（「獨立容器」），強化資料與執行環境隔離
加密傳輸通道，且部分關鍵服務限制於本地環境
最小權限執行，結合 prompt／安全防護
24/7 稽核監控
敏感資料檢測能力，避免可識別病患資訊外洩
若上述設計如報導所述落地，將符合臨床 AI 的核心要求：信任不是可選項，系統必須預設支持治理與合規。
策略展望：短期、中期、長期
從產業策略角度，不少醫療 AI 參與者將智能體落地分為三階段：
短期：成為「流量／工作流入口」
智能體可能改變使用者互動方式，降低對傳統搜尋與導覽的依賴。
中期：建立商業閉環
變現方式可能包括訂閱制、按使用量計費、或按結果計費——特別是在效率增益可量化時。
長期：重塑產業結構
隨著多智能體生態成熟，領先者可能透過整合平台、合作夥伴生態與治理能力形成差異化。
對大灣區醫療社群的意義
對大灣區（GBA）的醫療系統、服務提供者、支付方與生命科學產業而言，關鍵不在某個代號，而是 AI 正從「提供建議」轉向「完成工作」。
現在可以優先思考的實務問題包括：
你所在機構有哪些工作流是高頻、規則明確且可量測的（最適合做智能體試點）？
上線前需要哪些治理標準（隱私、稽核、模型風險管理）？
你的資料與 IT 環境有多破碎？要讓智能體有效，需要什麼樣的整合層？
什麼樣的「人類在迴路（human-in-the-loop）」設計，能在降低行政負擔的同時，仍讓臨床人員保持控制權？
