Open Medical AI Infrastructure: 让通用医疗智能成为公共责任

FreedomAI 倡议把 Generalist Medical AI 从单模型竞赛推进为开放、专家共治、可审计、面向真实医疗场景的社会基础设施。

医疗 AI 不是“再发布一个更大的模型”。它面对的是人的疼痛、等待、误诊风险、医疗资源不均等，以及每一次真实临床决策背后的责任。FreedomAI 正在发起 Open Medical AI Infrastructure 倡议：把通用医疗智能建设成开放、专家共治、可审计、可持续演进的公共基础设施。

医疗 AI 的真正难题

今天的 Generalist Medical AI (GMAI) 已经能够读病历、看影像、理解多轮问诊、调用工具、生成诊疗建议和医学解释。但在医疗场景里，“更强的模型”并不自动等于“更可信的医疗智能”。真正稀缺的不是某一个模型参数规模，而是被医疗体系分散保存的高质量数据、专家经验、临床反馈和治理机制。

医院有纵向病程和真实工作流，基层机构有公共卫生和慢病管理经验，医学中心有高水平专科知识，患者群体有长期体验与可用性反馈，研究机构有评测和建模能力。这些资源天然分散，并且受到隐私、安全、伦理、许可、责任归属等边界约束。它们不能被简单地集中收集，也不应该被少数封闭系统独占。

Sleeping medical data: 高价值医疗数据和专家知识大部分沉在水面之下。真正的问题不是有没有数据，而是如何让它们在隐私、许可、专家审查和公共利益的框架下被发现、连接、验证和使用。

这就是“沉睡的医疗数据”问题。它提醒我们：医疗 AI 的基础不只是公开数据和排行榜，而是能让医院、医生、患者、研究者、公共卫生系统和产业伙伴共同参与的基础设施。

倡议的核心

我们的核心主张很直接：GMAI 不能被理解为单纯的 model-scaling race。医疗智能需要一个缺失的中间层，把上层通用医学模型与下层专科模型、临床工具、本地流程和真实医疗环境连接起来。

这个中间层不是一个新的封闭平台，而是一套开放、社区治理、专家背书的基础设施。它要回答四个问题：

• 哪些医疗资源可以被发现、复用和负责任地共享？
• 哪些模型和系统在临床意义上可信，而不只是答题准确？
• 哪些工具、接口和部署流程可以被审计、授权和持续改进？
• 哪个共同体来维护标准、教育新人、资助公共项目，并对长期风险负责？

一句话总结 Open Medical AI Infrastructure 要把医疗 AI 从“模型能力展示”推进到“共同体可治理的医疗基础设施”。它既需要 serious research，也需要 real community。

The Framework of GMAI: 通用医疗模型、专科模型与临床工具之间需要一个 community-governed infrastructure。这个缺失层由资源、信任、部署和共同体生态四部分组成。

四层基础设施

1. Resource Infrastructure

建设可发现、可引用、可治理的医疗资源层，包括 PatientHub / Cohort Commons、证据百科、开放模型与数据目录，以及 Open GMAI License。目标不是粗暴集中数据，而是在清晰许可、脱敏、溯源、用途边界和贡献记录之上，让长期病程、队列资源、临床案例和医学知识能够被共同体负责任地使用。

2. Trust Infrastructure

用 Doctor’s Last Exam、专家持续审查、医生反馈、患者可用性反馈和安全案例库，建立“活的”医学评测体系。医疗 AI 不能只看多选题准确率，还必须看诊断推理、分诊、纵向照护、证据引用、工具调用、拒答边界和对真实工作流的适配。

3. Deployment Infrastructure

通过 Medical MCP、AI-native HIS、Agentic Hospital 和医疗 API hub，把模型部署变成可审计、可授权、可回滚、有人类确认的系统工程。低风险工具可以自动调用，高风险行为必须经过明确许可和专家复核。真正的医疗智能应该能在真实流程中被测试，而不是只存在于 demo 页面里。

4. Community Ecosystem

围绕 Happy Medical AI、医学 AI 教育、标注 fellowship、医院试点、创业基金和区域社区，形成长期维护公共基础设施的共同体。医疗 AI 的能力建设不能只服务少数技术团队，也应该让医生、医学生、患者组织、基层公共卫生人员和开发者都能理解、评测、使用和贡献。

具体项目如何落地

这次演讲里有一个更具体的信号：Open Medical AI Infrastructure 不是抽象口号，而是一组可以被医院、医生、研究者和产业伙伴共同推进的项目。

Doctor’s Last Exam

这是面向前沿医疗 AI 的“活评测”。题目按月度或季度滚动更新，并配套白皮书；榜单分为 A/B 两层，A 榜公开题目但不公开答案，B 榜题目和答案都隐藏，通过提交模型来测试，尽量避免 benchmark leakage。题目以专家出题为主，同时探索智能体自动合成题目的并行 track；每道题都需要专家电子签名、rubric 评价和委员会质量审查，让评测从一次性数据集变成长期公共制度。

PatientHub / Cohort Commons

PatientHub 关注纵向病程和队列资源：症状、就诊、诊断、检验、影像、治疗、随访和结局应当在脱敏、许可、溯源和用途边界之下变成可复用资源。它不是把所有数据搬到一个中心，而是让病例、队列、标准化病人和医学教育样例能够被发现、引用和治理。

Agentic Hospital + AI-native HIS

Agentic Hospital 把医院看成一个可模拟、可测试、可审计的环境：虚拟病人和医生、导诊与排班、医保支付、报告书写、药品购买、院内空间和全流程就诊都可以成为智能体训练与评测的一部分。演讲中也提到真实 HIS 的价值：让虚拟医院中的 AI 辅助工具能够和真实医院系统保持接口一致，在可控样例数据中先测试，再讨论进入真实流程的条件。

Medical MCP

医疗智能体需要工具，但工具不能被随意调用。Medical MCP 的目标是把医疗 API、临床计算器、检索器、专科模型和工作流工具标准化：每个工具公开 schema、证据来源、验证状态、风险等级和权限要求；低风险工具可自动调用，高风险工具需要医生确认、日志留痕和事后审计。

HappyMedicalAI

医疗 AI 的社区建设要从教育开始。HappyMedicalAI 面向医疗从业人员、医学生、患者组织和开发者，提供 AI 培训、模拟病人训练、医学科普、标注和评测实践。它也连接 MedGen、HealthTTS、音视频同步数字人和全模态病人数据合成，让医学教育从静态教材走向可互动、可反馈的训练环境。

Specialized Models as Tools

通用医疗模型不应该吞掉所有专科能力。牙科、中医、EEG、病理、影像、语音和多语言医疗模型可以像 Lego blocks 一样被路由、调用、蒸馏或融合。通专融合的关键是和专科医院、专科医生一起找到真实问题，做完即用，并把评测、科普、标注和反馈连成闭环。

Digital Twin for Healthcare

数字孪生提供训练和评测环境：从虚拟细胞、器官、生命体征数据，到虚拟病人交互和虚拟医院，它们可以成为 AI 医生、真人医生和医疗智能体共同训练的环境。它的价值不是替代真实临床，而是在进入真实世界之前，把风险、流程、交互和错误模式尽可能暴露出来。

Open Community Ecosystem

最终，开放医疗 AI 基础设施需要一个能持续运转的共同体：模型和代码开放在 GitHub / Hugging Face，医生社区共建病例、语料、评测和中医数据库，线上讲座与线下医院走访连接真实需求，医疗科普工具帮助提升公众医疗素养，产业伙伴把真实产品问题带回基础设施建设。

这些项目共同指向同一个目标：让医疗 AI 不再只是“模型发布”，而是有资源、有评测、有部署环境、有教育体系、有社区治理的长期工程。

我们为什么必须认真

医疗是 AI 最应该谦卑的领域之一。一个系统在论文表格里多几个百分点，不能自动转化为对患者安全的承诺；一个模型能流利回答医学问题，也不能自动获得临床部署的资格。越是接近真实医疗，越要把透明评测、专家复核、证据追踪、权限控制、审计日志、伦理许可和部署后反馈放在核心位置。

这也是 FreedomAI 对这件事的社会责任感。我们相信 AI 可以帮助缓解医疗资源不均，让基层医生获得更强的知识支持，让患者更早理解自己的风险，让医学教育更开放，让公共卫生系统更快响应复杂需求。但这种希望不能建立在不可解释、不可监督、不可共享的黑箱之上。

所以这项倡议不是宣称“AI 已经解决医疗”，而是承认医疗 AI 仍然需要漫长、严肃、共同体驱动的建设。我们需要让研究者愿意做基础设施，医生愿意参与评测，医院愿意贡献真实反馈，产业愿意把部分能力投入开放生态，政策制定者愿意支持负责任的试点和治理。

我们的边界 这是一个研究议程和行动倡议，不是已经被充分验证的临床解决方案。越是面向医疗，我们越应该把谨慎、审计和共同体治理写进系统设计本身。

加入这件事

Open Medical AI Infrastructure 需要很多种贡献，而不只需要训练模型的人。

• 机器学习研究者可以贡献医学评测协议、开放模型、工具调用框架、安全红队方法和可复现实验。
• 医生、医学教师和医院可以共同设计 Doctor’s Last Exam，提供去标识化案例、工作流反馈和专家审查。
• 医疗机构和公共卫生系统可以参与 PatientHub、队列资源和部署试点，把真实需求变成可治理的基础设施问题。
• 产业伙伴和创业团队可以把工具接入 Medical MCP，公开 schema、适用边界、验证状态和风险等级。
• 医学生、患者组织和开发者社区可以参与 Happy Medical AI，把医学 AI 教育、标注、评测和本地化带到更多地区。

Build resources.
让沉睡的数据、案例、工具和医学知识被发现、被许可、被追踪。 Build trust.
让评测从静态 benchmark 走向专家共治、持续更新、面向真实安全问题。 Build community.
让医疗 AI 成为共同体长期维护的公共能力，而不是短期模型竞赛。

如果通用医疗智能真的要进入医院、基层、公共卫生和医学教育，它就必须以公共责任的方式被建造。FreedomAI 希望和更多临床专家、研究者、医院、企业、政策伙伴和开源社区一起，把开放医疗 AI 基础设施变成一件可以被长期信任的事情。

资料下载

演讲 PPT

Towards Generalist Medical AI - HKU-SZH.pptx
包含 Generalist Medical AI 路线图、Doctor’s Last Exam、Agentic Hospital、HappyMedicalAI、Digital Twin Healthcare 等项目页。

倡议论文 PDF

Open Medical AI Infrastructure position paper.pdf
系统阐述 community-governed infrastructure、resource / trust / deployment / ecosystem 四层机制，以及开放医疗 AI 的治理边界。