CARES 4.0在港发布：从单点工具升级为临床智能体，刘宏斌解析医疗AI落地路径

事件概述

近日，由中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）主办的第四届香港具身智能医疗科技论坛（CREATE Symposium）在香港科学园举办。论坛以“医疗 AI 商业化之路”为主题，汇聚近 300 位专家学者、临床医师及产业资本代表。会上重磅发布了 CAIR 自研的多模态临床智能体系统 CARES 4.0，并围绕医疗 AI 的临床落地、技术边界及商业化路径进行了深入探讨。

核心信息：CARES 4.0 系统详解

• 技术架构：CARES 4.0 依托 Harness 智能体框架构建，底层搭载自研的 CT、核磁、超声、内镜、脑电等多模态医疗基座模型，旨在打破传统单点 AI 模型的局限。
• 功能升级：相比 1.0-3.0 版本仅作为多模态问答“工具”，4.0 升级为能自主执行复杂任务的“智能体”。例如，系统可自主完成手术量统计、耗材分析及报告生成，仅需少量交互确认即可输出结果。
• 应用场景：
  • 诊疗辅助：覆盖患者主诉、影像检查、病理评估至确诊的全流程。具备手术影片语义理解与风险预警功能，包括空间预警（如识别邻近血管/神经的操作风险）和时间维度预警（如手术步骤不当导致的后续风险）。
  • 科室管理：支持自然语言交互，自动汇总设备负荷、病种分布等数据，一键生成运营报表。
  • 医学科研：针对专病数据集进行多维统计分析，训练简易机器学习模型，输出可直接用于论文投稿的分析报告。
• 数据安全与开源：配套临床高质量数据沉淀平台，实现院内多源数据的清洗、质检与结构化。官网已开放，框架与通用工具包已发布，超声、手术视频等开源模型将免费向社会开放。

临床落地与专家观点

• 落地现状：CARES 系列系统已在超过 30 家医院实际使用。其中喉镜诊断 AI 工作站部署超 10 家，支气管镜系统超 4 家，超声系统超 10 家。
• 医生反馈：用户最集中的需求是操作轻松化以降低工作负担，以及提升人机交互的直观性，避免对 AI 结果的误解。
• 安全机制：针对医疗 AI 的“幻觉”问题，系统设计严格遵循临床专家思考逻辑，将可调用的信息转化为结构化知识图谱，确保建议附带明确的思考路径（基于指南或最新文献），最终决策权始终保留在医生手中。

医疗 AI 商业化与挑战

在港深医院院长圆桌对话中，多位医疗机构管理者就 AI 落地提出关键见解：

1. 多方利益平衡：成功的医疗 AI 产品需同时满足患者、医生、医院及医保支付方四方诉求。技术上需领先，临床需有效，医院需获益提效，医保端需控制成本而非增加负担。
2. 合规与责任：跨境应用需严守法律底线，探索数据互通；当前核心挑战在于诊疗场景的风险界定与责任划分，亟需建立多方风险共担机制。
3. 分级推广策略：基层医疗宜优先落地体验优化类应用，高风险诊断工具需配套完善的安全保障体系。

未来展望

CAIR 主任刘宏斌预测，未来手术室将成为人机协同的智能空间。器械将机器人化（如自动调节的无影灯、机械臂递送器械），减少人为感染风险；医护人员配置精简，由中心算力平台统筹各科室数据，形成“大智能体”式的智慧医院生态。团队目前的研发重点聚焦于“真实世界研究”（real-world research），通过大规模高质量数据验证模型能力，推动 AI 从辅助工具向核心临床能力演进。