AI患者管理驶入深水区：如何让「管得住」变成「管出疗效」

机器之心发布 在乳腺癌领域，AI 辅助筛查与早期诊断的能力已逐步成熟，使得更多患者能够得到精准的诊断。但筛查能力的提升，恰好把一个关键的问题推到了台前：患者被筛出来，被确诊之后，漫长的治疗期由谁来管理？ 中国乳腺癌发病率以年均约 3%~4% 的速度增长。其中约 70% 为激素受体阳性（HR+），需接受 5 到 10 年内分泌辅助治疗，确诊只用几天，围手术期只有几周，但治疗却需要持续五到十年。一项由中国抗癌协会乳腺癌专业委员会牵头的多中心研究显示，国内 39.1% 的乳腺癌患者未能坚持为期五年的规范化内分泌辅助治疗。这意味着，每十位本应从长期治疗获益的患者中，有近四位在中途放弃治疗 —— 而这也并非医学决策失误，而是日常管理缺乏支撑。 确诊之后，最难的是在日复一日中找到确定感 刘女士确诊 HER2 阳性（ER/PR/HER2 三阳性）浸润性乳腺癌时，还不到四十岁。此后她经历了新辅助化疗、保乳手术、辅助化疗及靶向治疗的完整流程，虽然治疗本身算得上顺利。但长达数年的内分泌辅助治疗期带来的是持续的关节僵硬、情绪波动。 另一位确诊九年的患者陈女士面对的则是不同的困扰：九年间积累的检查报告装满了两个文件袋，每次复查前她都要翻一遍，试图回忆上次某个指标是多少。治疗信息、用药变更、历次影像检查结果 —— 九年的 "账"，她至今都没办法理清。 她们的处境虽不相同，但在漫长的治疗周期里，困扰她们的却是同一个问题，那就是：一种相对确定和舒适的生活。消耗她们的，不是某个确定时刻的重大决策，而是每天反复出现、无人回应、日常又琐碎的一个个小问题。 一位乳腺癌患者曾说：“我不是不相信医生，是很多问题还没到必须看医生的程度，但我真的需要有人帮我判断一下。” 早晨手指僵硬是药物副作用还是关节炎？复查报告某项指标比上次高了 0.3 意味着什么？患者有被管理的需求，但是这些 “反复出现但又不能被忽略” 的问题却变成了患者遭遇的重重困难。 传统患者管理试图弥合这道裂缝，但始终困于一个三角矛盾： 人力模式能做到深度陪伴却无法规模化，内容推送能覆盖大量用户却无法个性化 。 近两年，AI 大模型的能力让行业看到了突破口，但接入一个大模型远不等于做好了患者管理 —— 大多数泛健康应用的特征是什么都能聊、什么都不深，但患者问完三个问题后就发现 AI 并不真正理解自己的病情，也无法给出自己想要的答案。 AI 患者管理需要回答一个更根本的问题： 如何让 AI 同时具备" 医学上不能错的深度"和" 只对这一个人有效"的精准度？ 这不是一道选择题，而是一道必选题。单靠更大的模型、更全的语料库无法同时满足这两个要求 —— 它需要的是一整套从数据源头到临床闭环的工程化设计。过去几年间，行业中陆续有企业开始进行深度探索，深至科技就是其中一家，面对这个三角矛盾，它的核心判断是：患者管理不是一个算法问题，而是一个系统问题 —— 一个必须同时解决数据从哪来、管理谁来做、效果谁来证的系统问题。 从一个系统性缺口出发 深至科技创始人朱瑞星曾提及一个转折性问题：我们在基层做了六年智能超声，覆盖了近 700 家等级医院和 30000 多家基层机构，每月新增 3000 多个乳腺 BI-RADS 3 类及以上用户。但随着筛查的深入，我们发现患者被筛查出来了，但后续的管理呢？ 这个转折的背后，是一个贯穿整个患者管理赛道的系统性缺口：不是某一个环节做得不好，而是环节与环节之间的 "接缝" 问题。AI 辅助诊断、早筛覆盖率提高，但筛出来的患者往往面对一段真空：筛查报告提示需要进一步就诊，确诊后进入治疗通道，可治疗结束后的长期随访管理又是断裂的，即便有随访，产生的数据也散落在各个系统中，无法回流形成对诊疗决策的有效支撑。筛查、诊断、治疗、随访、疗效验证 —— 段与段之间缺乏连续的数据流和管理逻辑，患者在 "接缝" 中反复脱落。对于乳腺癌这类需要五到十年持续管理的疾病而言，这道缺口造成的代价更大。 深至科技就站在缺口的起始端。自 2018 年起深至科技深耕基层智能影像设备，目前设备已覆盖全国约 3.8 万家基层医疗机构，日均活跃设备约 1.5 万台，日均出具诊断报告约 5 万份，设备活跃率约为 42%。 这组数字的意义不在于商业规模，而在于它构成了一个结构性优势：当拥有了设备源头，筛出的患者从第一天起就带着完整的影像数据进入管理体系 ——AI 从第一天起就 "认识" 她 / 他 —— 知道 BI-RADS 分级、病灶位置和特征，后续的治疗信息、用药记录、随访数据在使用过程中不断累积，数据不是后补的，而是从源头起就连续存在的。 三端协同：不靠单点工具 深至团队意识到，要解决这个缺口就不能靠单点工具：一个随访 App 解决不了数据断裂的问题，一个 AI 问答机器人解决不了管理深度的问题，一个数据看板解决不了疗效归因的问题。真正有效的方案必须让数据 "流" 到患者管理中去，让管理中产生的证据 "流" 回医生决策中来。这是深至科技做患者管理的结构性起点，也催生了深至科技旗下三端智能产品矩阵 —— 面向患者的橙欣健康（Cx）、面向医生的暖欣健康（Dx）、面向药企服务的信欣健康（Px）—— 将患者、医生、药企三端的数据与服务贯通，共同解决：数据从哪里来、价值在哪里交付、证据向哪里回流。 橙欣健康（Cx）的核心设计是一套为乳腺癌垂直疾病领域构建的智能体协同架构，它以两条轴线的 乘法关系 运转： 第一条轴线解决 "我是谁" 的问题 。智能体通过每天的陪伴 —— 用药打卡、饮食记录、症状上报、情绪表达 —— 持续收集信息、更新画像，最终将每位患者精确定位到一张矩阵中。横轴是治疗阶段（从确诊到内分泌治疗各年份），纵轴是分子分型（Luminal A / Luminal B HER2- / Luminal B HER2+）。每个患者在任一时刻只处于矩阵的精确一格 —— 但 "她在哪一格"，是靠日常陪伴一点点积累出来的，是精准的。 第二条轴线解决 "给她什么" 的问题 。 一旦将患者精准定位，在充分的信息与画像基础上，系统就开始交付对应的临床医学深度 —— 医学上对的选择方案有哪些。同一格人群该管什么、盯什么阈值、踩什么红线，临床上高度确定。 AI 自动承接 80% 以上低风险场景下的管理工作；当识别到中高风险信号 —— 涉药决策、副作用超出居家管理范围、复查结果需要临床解读 —— 系统主动向医生推送预警，医生通过 Dx 端复核处置，决策结果回传至 Cx 端更新管理计划。“AI 管日常、医生管风险”，这个分工解决了行业长期悬而未决的困局：纯 AI 方案患者不敢信，纯人力方案扛不住规模。 而 "管住" 患者的关键，不是功能多，而是持续提供超出预期的服务 。 橙欣健康（Cx）不造新需求，而是将能力嵌入患者每天就要做的事 —— 用药、吃饭、睡觉、情绪及心理辅助。在使用橙欣健康（Cx）的患者中，用药提醒和复查提醒被反复提及为最有价值的功能 —— 对需要长期服药的患者而言，一个稳定的提醒工具帮助她们更从容地安排治疗节奏；近期内测版还迭代新增了治疗计划统一管理、病历时间线、以及结合身体状态推送的每日早晚问候机制。 临床验证：从产品逻辑到真实诊疗场景 除了在线上服务患者，橙欣健康还通过 AI 能力与医生建立协作，解决