宝妈成AI医疗“种子用户”，如何借妇幼赛道破解C端落地难题？

文｜罗曾

2025年世界卫生日，全球聚焦“健康生活，健康未来”主题之际，北京左医科技与重庆医科大学附属儿童医院联合推出新一代儿科“AI家庭医生”和大模型循证知识库。

据介绍，这款AI儿童家庭医生产品通过端到端构建的AI Agent，结合国内首个适配大模型的儿科循证知识库，实现了文字理解、报告识别、患教视频推荐、预约挂号等全场景服务。而在该产品背后，作为一家成立近十年的医疗科技公司，左医科技已覆盖全国200多家三甲医院，其中40%为Top100医院。

AI医疗并非新概念，但行业始终面临商业化困境与技术临床磨合的两大核心难题，在此背景下，左医科技创始人兼CEO张超，这位曾任职百度NLP、新国大研究助理的技术专家，究竟看到了怎样的行业机遇以及如何带领团队在AI医疗这一高门槛赛道中突围？

AI医疗的冰与火：商业化与技术协同的双重挑战

“医疗AI本质仍是软件生意，付费主体集中在医院和药企。”张超指出。但近年来，全国医院门诊量普遍下滑，收入缩水，导致在人工智能这块的采购预算收缩，加之数据隐私和临床风险的限制，AI医疗产品的商业化落地阻力重重。

另一方面，技术必须与临床需求深度协同。张超强调，医疗场景对准确率要求极高，1%的风险都需严格管控，而AI模型天然存在不确定性。需要企业为此多做很多额外的风险质控的事情，“这也是目前医疗人工智能往应用走面临的比较大的一个困难，尤其在C端”。

此次左医科技选择儿科领域做AI医疗的C端突破，上述因素便是重要考量之一。

张超在采访中透露，左医科技在布局全科医生后，通过后台数据分析发现，妇幼人群（孕妇和儿童）对智能医生的依从性显著高于其他群体。

一方面，孕妇在孕期十个月及产后育儿阶段对健康指导存在长期需求；另一方面，张超及团队观察到，20多岁的宝妈平均为家庭成员建档两到三个，凸显了这一群体在家庭健康管理中的辐射效应，宝妈作为家庭健康管理核心的角色，也自然成为了AI医疗理想的“种子用户”。

锚定的用户需求之外，张超指出，更重要的是，与两性健康、慢病管理等领域相比，妇幼健康问题更偏向常见病、多发病，诊疗场景相对标准化，降低了AI处理的复杂性。

目前，左医科技已延伸至肿瘤内科和变态反应科等专科领域，但妇幼仍是其核心试验田。“人群和临床能够更好相结合的科室，是我们首先要做的科室。”张超坦言。

端到端的技术路径：从全科到专科的“阶梯式进化”

如上述提到，医疗行业的特殊性和市场环境的复杂性，一定程度上限制了AI医疗的规模落地及商业化。尽管如此，前赴后继的的入局者仍透露出AI医疗赛道的可观前景。这其中，除了平安好医生、春雨医生等互联网医疗平台，也不乏支付宝、讯飞、百度等科技头部选手。

而商业之外，从技术层面来看，国内AI医疗现状如何？

谈及AI医疗的技术发展，张超认为，应是从全科到专科，再到专家分身这样一条路径。左医科技的技术演进即是如此。

事实上，国内医疗AI尚无统一认证标准，医院专科差异也增加了产品适配难度，而上述路径的终极目标，是打造一个适用于医疗多场景且能独立服务患者的“智能医生”。

在张超看来，传统平台依赖“人机结合”模式：机器初步分诊，医生在线问诊，本质上仍是人力驱动的医疗资源匹配。对比平安好医生、春雨医生等互联网医疗平台，左医科技的核心差异在于“机器主导+人类质检”的定位。

这一差异决定了其技术路径的独特性。

张超指出，按阶段来看，打造智能医生在当前市场上总共有三波技术方向：第一个称为提示词，即基于提示词的“角色扮演”模式（如让大模型直接模拟医生），但此类方式不可控且易产生幻觉；第二代叫做Workflow，通过预设工作流拆解问诊流程（如先筛查急症、再按解剖部位分析），但环节越多错误率累加效应越明显。

第三代即真正实现端到端的技术，其整合了思维链推理、工具调用和知识库检索，让模型自主决定诊疗步骤，突破了人工预设流程的局限性。

“今年OpenAI和谷歌也发布了Deep Research，这是真正的端到端的产品，不需要人工干预，让机器自己分析接下来要做什么。放眼国内，目前大多AI医生都停留在第二代，靠的是Workflow搭建，而我们是第一个做到基于端到端训练的智能医生。”张超表示。

左医科技商业模式思考：To B养公司，To C探未来

上述技术推动下，左医科技的产品在落地应用中效率提升明显。例如在导诊场景中，左医科技的AI产品将患者挂错号比例从30%降至5%以内，显著提升了医疗资源匹配效率。

在产品矩阵上，左医科技构建了To B与To C的协同生态。To B端围绕医院诊前、诊中、诊后全流程提供服务：诊前通过智能分诊和病史采集，如北京安贞医院15%+患者使用预问诊系统，可减轻医生负担；诊中通过语音转写生成病历，有实践数据显示，借助诊中的硬件，门诊医生的病历书写时间或可从2分钟缩短至30秒，住院医生在病历上所花的时间则可能从七八个小时缩减至半个小时到一个小时；诊后提供个性化用药指导，覆盖了诸多头部三甲医院。

张超介绍称，这些B端服务以软件采购模式切入医院，目前贡献了95%的收入，成为公司现金流的稳定来源。

“我们现在其实是以To B的业务来养活整个公司，To C业务是在单独做拓展。”张超透露，公司C端业务早期靠会员订阅收费，例如智能医生是针对患者直接收费，在各类免费竞品存在的情况下，C端产品复购率高达30%。“目前C端业务量占比不大，随着量变大以后，以后有更多的商业模式，例如计划拓展健康商品撮合交易之类。”

值得一提的是，数据安全是医疗AI的生命线。针对个人隐私及数据保护，张超介绍，左医科技采用“合成数据+脱敏处理”双保险机制：线下采集真实数据时，通过多病例合成生成虚拟数据（如五个真实病例合成一个训练样本），切断与单个患者的对应关系；线上用户上传报告时，强制隐去姓名、身份证号等敏感信息，仅保留年龄、性别、区域等必要信息，达到“数据可用不可见”。

另外，在医院合作层面，左医科技通过“项目驱动+收益共享”模式打破数据壁垒。例如为医院定制专有模型时，双方基于共同目标优化算法，提升诊疗效率；未来计划将AI服务的商业收益与医院分成，形成利益共同体。

至此，左医科技的探索揭示了一条AI落地的现实路径：从高依从性场景切入，以To B收入支撑技术迭代，逐步向To C和专科纵深拓展。而其第三代大模型能否真正颠覆传统医疗工作流？仍有待市场验证。