文章核心观点 - 过去一周，OpenAI、谷歌和Anthropic相继发布面向医疗健康领域的新动作，标志着AI医疗正从模型能力展示进入产品化与真实工作流整合的深水区 [3] - 三大巨头的共同策略是围绕医疗体系中长期存在、需求明确但处理低效的刚性场景，通过提供数据整合、工具连接和流程协同能力来创造价值，而非创造新需求或直接替代临床诊断 [32][35] - AI医疗创新的关键不在于技术前沿，而在于模式选择，即选择需求明确、频率高、价值链清晰的切口，将过去依赖人工的低效环节首次实现规模化改造 [35] OpenAI的动作与战略 - OpenAI发布ChatGPT Health，将其定位为ChatGPT内的专属健康体验，旨在汇聚分散于门户、应用、可穿戴设备、报告与病历中的健康信息，提供一个更可对话的界面 [6] - 该产品强调支持而非替代临床诊疗，明确不用于诊断或治疗，并作为独立空间运行，提供更强的加密与隔离保护，其对话数据不会用于训练基础模型 [6] - ChatGPT Health支持连接医疗记录与健康应用，点名了Apple Health、Function、MyFitnessPal等，将健康场景入口对齐到数据聚合与可追溯来源 [8] - OpenAI收购健康科技公司Torch，交易对价约为1亿美元，该公司擅长整合实验室检测结果、用药信息与就诊记录 [11] - 结合两步动作，逻辑在于：ChatGPT Health解决个人健康信息交互与隐私，Torch则补齐医疗数据整合与结构化能力，共同推动数据接入从用户上传走向系统对接 [13] - 全球每周有超过2.3亿人会在ChatGPT中提出健康相关问题，这构成了其将健康场景产品化的直接需求侧证据 [5] 谷歌的动作与战略 - 谷歌研究院发布了MedGemma 1.5与MedASR的更新，主轴是医疗影像理解与医疗语音转文字 [14] - MedGemma 1.5面向医疗影像解读，覆盖从胸片等二维影像到更复杂场景，模型体量更小，足以支持在离线环境运行，这有助于其进入网络条件受限的基层机构、移动场景与跨国市场 [17] - MedASR定义为医疗语音转录能力，面向医疗场景的记录整理与转写，旨在解决医疗语音高专有名词密度、口音差异、环境噪音与合规要求带来的规模化难题 [20] - 谷歌将模型通过Hugging Face与Vertex AI等渠道分发，降低开发者获取与试用门槛 [23] - 谷歌的策略更偏底层供给侧，通过开源模型形态下放基础能力，为生态提供可复用的积木，让开发者能更专注于数据、流程与渠道的构建 [5][23] Anthropic的动作与战略 - Anthropic发布Claude for Healthcare并扩展Claude for Life Sciences，系统性将Claude推向可直接进入真实医疗与生命科学工作流的企业级助手 [24] - 在医疗体系侧，Claude for Healthcare的核心是连接关键数据源与系统，包括：CMS覆盖数据库（用于医保支付核对）、ICD-10编码体系与NPI注册信息（用于编码计费）、以及在HIPAA合规环境下接入PubMed等数据库 [27][28] - 引入FHIR开发能力与事前授权示例技能，使Claude能在多系统间执行规则比对与材料整合，应用于加速事前授权审核、理赔申诉材料整理、护理协调与患者消息处理等具体场景 [28][31] - 在生命科学侧，Claude新接入Medidata、ClinicalTrials.gov、bioRxiv、Open Targets、ChEMBL等平台，可参与临床试验可行性评估、患者招募规划、方案设计与监管材料准备 [31] - Anthropic的路径是从真实流程出发，将Claude嵌入长期依赖人工但规则高度明确的关键节点，价值在于降低碎片化信息处理的时间成本，而非提供智能判断 [31] AI医疗发展的核心趋势与洞察 - 医疗需求大量分布在医院之外，健康相关问题已是通用AI产品中最活跃的需求之一，发生在日常生活、慢病管理、用药理解、检查结果解读等环节 [34] - 高频需求往往不是“诊断”，而是信息理解与整理，如影像报告解读、病历转写、检查结果摘要，这些是确定性极高、长期存在但未被系统性优化的“辅助工作” [34] - 真正的刚性场景隐藏在流程节点而非单点功能，关键在于能否将模型嵌入EMR、实验室系统、研究数据库等既有系统节点，而非停留在外部问答界面 [35] - 跑通与否的差异在于模式选择：OpenAI从个人端健康信息聚合切入，谷歌从基础能力与开源生态切入，Anthropic从企业级工作流与合规切入，均选择了需求明确、频率高、价值链清晰的切口 [35] - 医疗创新的关键不是发现新需求，而是让旧需求（如健康信息理解、检查结果整理、影像辅助解读、医疗记录转写）第一次实现可规模化，替代过去低效、高成本的人工处理方式 [35]