通用大模型进儿科诊室“水土不服”，小儿方健康科技用15万条专家思维链重写规则
陕西渭南，一名12天没有排便的患儿被带到诊室，医生和家长交流的同时，旁边的"AI儿科医生"同步识别医患对话、生成病历。随着问诊信息不断补充，系统的诊断建议从"功能性便秘"动态变更为"需鉴别是否为先天性巨结肠"。
央视新闻《相对论》的镜头记录下了这一幕，接诊医生直言：“这个病我们也知道，但是不会首先考虑到。”
这句话捅破的，正是基层儿科诊疗最深的痛点：并非完全不知道某个病，而是在有限的信息里，缺乏像顶级专家那样迅速锁定方向、知道从哪问起、往哪深挖的判断力。
而补上这个判断力缺口的，是一个来自小儿方健康科技（下称"小儿方"）的AI临床推理系统。这家成立于2018年的公司，联合国家儿童医学中心北京儿童医院，把“AI儿科医生”送到了全国30余家医疗机构的诊室。
2000例对标测试：通用模型仍有提升空间，小儿方越过临床分水岭
2026年初，OpenAI、Anthropic、微软在同一周发布了各自的医疗AI产品。大厂集体入场，AI医疗赛道的热度到了一个爆发前夜。
但把最强的通用模型放进儿科诊室，结果并不理想。
小儿方团队用2000例北京儿童医院真实病例做了一项测试：让当前最优的7个模型扮演医生，对AI模拟的标准病人进行问诊。结果显示，准确率最高的模型仅为68.1%，远低于人类专家水平。
更值得关注的是错误的构成：三分之二的错误出在“不会想”，模型缺乏专家级临床推理能力；三分之一出在“知识不够”，推理缺乏循证保障。
作为对照，小儿方AI儿科医生在同样的2000例病例、同样的评测条件下，诊断准确率达89%，五次独立一致率为80% （重复问诊5次结论一致的比例）。而上述通用模型在一致率这项上的最佳表现仅为55.1%。
问题出在哪？
大多数AI医疗产品做的事情是检索和问答：输入症状，输出疾病列表。这离真正的临床诊断还有距离，因为诊断的本质不是匹配，而是推理。医生面对一个主诉，脑子里会快速形成几条假设，通过追问、查体、检查来逐一验证或排除，最终锁定答案。单纯的检索，给不出这条推理链。
通用大模型擅长检索和生成，却不擅长像医生那样层层逼近地推理。而儿科又常常被称为“哑科”，患儿往往无法准确表达自身病情，对推理能力的要求反而更高。
15万条思维链：小儿方真正的护城河
让AI学会专家思维——这件事，光靠喂医学知识解决不了。
小儿方的技术路线，正是基于全球医学教育公认的临床推理框架——假设-演绎推理模型（Hypothetico-Deductive Reasoning）。
但框架需要“燃料”才能运转。小儿方找到的燃料，是别人拿不走的独有数据资产：
15万条思维链数据。医院病历记录的是“做了什么”和“结果是什么”，但很难凝练出医生“为什么这样想”“为什么先问这个”“为什么优先排除那个”。小儿方从2023年开始，联合北京儿童医院，把专家看病的完整推理路径逐条拆解、记录、审核，包括先问什么、再查什么、优先排除哪些可能。这些藏在专家脑子里的“隐性临床直觉”，已沉淀为15万条可用于训练的数据，也就是AI领域的思维链（CoT）。
循证知识库。 推理不能凭空发生，每一步假设的验证，都需要可靠的循证依据。小儿方整合了超300位北京儿童医院知名儿科专家的临床经验，结合约3000万份高质量病历、权威临床指南及最新科研成果，构建专业儿科知识体系，对AI的诊断结论进行循证验证，确保每一条建议都有据可依。
评测管线。医学诊断不是简单的是非题，如何科学评估模型的诊疗能力，本身就是一个重要课题。小儿方遵循真实诊疗的医学逻辑与临床特点，建立覆盖危险遗漏分级、分阶段预期诊断等精细标准的评测管线，通过大量专业标注与反复校验，精准衡量模型每一步医学推理的质量。
基于这三层核心资产，小儿方在自研大模型的底座上构建了 "推理生成，循证验证" 的双轮驱动架构：后训练让模型对齐专家推理思维，RAG保证诊断有据可依，Agent让AI能像医生一样主动追问、逐层逼近，推理优化则确保在诊室复杂环境下跑得稳、响应快、不添乱。
这套体系为什么别人复制不了？
创业公司够不到，是因为医学资源、产业关系、技术团队的获取门槛极高；大厂做不了，是因为严肃医疗需要长期深耕，与大厂的快速迭代逻辑并不兼容。
从实验室到落地：进了诊室才算数
模型再好，进不了诊室就是空中楼阁。
小儿方把复杂临床推理系统，做成了融入医生核心工作流的AI产品，并荣获2026年度德国红点奖产品设计奖，这也是中国AI医疗硬件首次获得该奖项。
但获奖从来不是目的。儿科诊室环境嘈杂、患儿哭闹、方言夹杂，产品团队花了大量精力强化语音抗噪能力，同时优化病历生成和实时推理速度，让系统能自然嵌入医生问诊流程，无需专门培训即可上手。
“医生主导、AI辅助” 这个定位看似简单，却是产品落地的关键。渭南市妇幼保健院儿科医生打了个比方："辅助系统相当于一个拐杖，你起码得有腿才能用拐杖。"
拐杖好不好用，关键时候才知道。两个真实病例，比任何评测数据都直观：
第一例，AI纠偏。 渭南一名近2岁仍不会走路的孩子，曾被诊断为神经系统疾病，康复半年无效。AI儿科医生根据现有检查资料重新判断，建议做基因筛查，最终确诊为生长发育缓慢相关疾病，术后孩子已能行走。
第二例，AI拓界。 一名患儿出现呕吐和重度贫血，接诊医生起初考虑“营养性贫血”，AI儿科医生提示需警惕包括梅克尔憩室在内的先天性消化道异常，最终确诊。此后，当地医生将该类病例纳入每周复盘，对比AI分析拓宽诊治思路。“如果说当时没发现这个病，孩子的病情可能反反复复越来越重。”医生说。
截至2026年8月，AI儿科医生已在北京、陕西、山西、黑龙江、河南、江苏等全国12个省市的30余家医疗机构落地应用。从渭南市妇幼保健院起步，已拓展至富平、合阳、白水等县域妇幼保健机构，一个可在全国范围复制的推广模式已悄然成型。
去更远的地方：从基层诊所到"一带一路"
政策正在把门推开。
2025年11月，国家卫健委等五部门联合印发实施意见，明确提出到2030年基层诊疗智能辅助应用基本实现全覆盖，并聚焦儿科、精神、肿瘤及罕见病等重大疑难疾病的临床决策智能辅助应用。随后，北京市发布行动计划，优先支持儿科等领域AI技术发展。
门开了，但路需要有人先走通。小儿方是“儿童医学大模型与健康医疗创新医疗应用”北京市重点实验室共建单位。作为北京国家级人工智能医疗健康应用中试基地的参与单位，小儿方联合国家儿童医学中心北京儿童医院承担了AI儿科临床推理系统从研发到产业化落地的关键中试验证环节。
而门的另一边，不止是国内基层医疗机构。
“明年我们将去俄罗斯，带着我们的AI儿科医生去参展，像中亚五国、那五个斯坦，这些地方一样需要。”北京儿童医院院长倪鑫说。
小儿方健康科技携手北京儿童医院，已沉淀15 万条儿科专家思维链，从渭南县域妇幼起步，扎根国内下沉市场，同步开启 “一带一路” 出海布局，跑通了 AI 医疗从技术验证到规模化复制的完整闭环，以 AI 补齐全球儿科资源缺口。小儿方健康科技的增长版图，正在加速铺开。
