Zijing Zhikang Releases AI-Native Diagnostic and Treatment Operating System, with 54 AI Doctors Teaming Up to Collaborate
English text is being prepared.
On October 21, Zijing Zhikang, incubated by the Institute for AI Industry Research at Tsinghua University, released an AI-native diagnostic and treatment operating system that enables AI doctors to collaborate as a team like experts, with human doctors making the final decisions, improving efficiency by 30%. The system has built 54 AI doctors and millions of hyper-realistic AI patients, covering more than 20 clinical departments and tens of thousands of diseases. The AI doctors achieved a test accuracy of over 96% on the MedQA dataset, compared with an average of 87% for human experts. Its dual-layer evolution architecture allows AI doctors to first receive high-throughput training in a virtual world and then be deployed in physical hospitals to work alongside and collaborate with real doctors. The technology originates from the evolvable agent technology of Professor Liu Yang's team at Tsinghua University.
Why read this
AI score 52
The original text presents the architecture of AI doctors collaborating as a team and a comparison of MedQA accuracy, offering a view of the implementation path for multi-agent systems in medical scenarios.
Topics
Body
当前，全球医疗卫生体系面临优质医疗资源短缺与分布不均的核心挑战。
随着人口老龄化进程加速，慢病管理与健康随访的刚性需求激增，传统医疗供给模式已难以承载高质量医疗服务的需求。
“当前获批的AI医疗产品绝大多数是功能固化的辅助工具，聚焦肺结节CT检测、眼底筛查、病历生成、影像分诊等单点任务，嵌入现有工作流，由执业医师最终确认，能力出厂即锁定，不会因‘看了更多病人’而自动变强。”一位医疗领域专家表示。
一位AI医疗工具的开发者坦言：“临床真实世界数据不足与医疗机构信息不共享，给AI的训练带来很大的制约。因为真实诊疗数据分散在不同医院、不同系统，格式不一、标准各异，跨机构汇聚面临隐私合规与利益协调难题，形成‘信息孤岛’。”
这直接导致训练数据在病种、人群、机构上分布偏斜，模型难以覆盖真实临床的多样性，罕见病和长尾场景长期缺乏足够样本。面对老龄化社会带来的海量随访与慢病管理需求，这种“被动查询”的工具模式显然无法满足未来国家布局AI医疗机构的系统性要求——它既无法实现跨专科的实时协同，也难以支撑基层医疗的持续性健康管理。
10月21日，清华大学智能产业研究院（AIR）孵化的紫荆智康，发布了“AI原生诊疗操作系统”。这套系统可以让AI医生像专家团队一样“组队”协作，医生作最终决策，分身边用边学，效率提升30%。
“全球医疗的核心矛盾就是医疗资源供给不足，且分配失衡，这是我们所有医疗创新的出发点。”乔宇宸援引数据称，到2030年全球医疗人员预计缺口将达1100万，高收入与低收入国家人均医疗支出差距达875倍。
紫荆智康的“AI原生诊疗操作系统”，构建了54位AI医生、数百万个超拟真AI患者，覆盖超20个临床科室及上万种疾病，AI医生在MedQA数据集上测试准确率超过96%，远超人类专家平均87%的成绩。
更值得关注的是其“双层进化架构”：AI医生先在由海量AI患者构成的虚拟世界中接受高通量训练，一天可完成上万例问诊；达到一定水平后部署至实体医院，与真人医生形成伴生协作关系，在真实诊疗中持续进化。
这套底座的技术源头，来自清华大学刘洋教授团队的可进化智能体技术。国际权威学术期刊《Nature（自然）》曾发表文章，将清华大学团队打造的Agent Hospital（紫荆AI医院）作为中国AI Agent落地医疗领域的核心案例进行报道。
当天发布会上，巴基斯坦瑞法国际大学校长通过视频宣布，双方已构建战略级合作关系，希望Agent Hospital帮助其建设巴基斯坦第一家人工智能医院。
“智能体永远不会看到它理解的知识之外的东西，但医生要看到一个整体，然后作出最正确的处置顺序。”一位急诊科医生表示。
另一位神经外科医生则看重术前讨论环节的改变：“Agent参与记录和总结讨论内容，基本上可以节约差不多一半的工作量，同时减少遗漏。”
“智能体的出现，将医生的学习曲线和展业成本大幅缩短和降低，供给侧的问题能够比较好地开始解决。要找到四两拨千斤的点，而非均匀使力。”联想之星合伙人陆刚认为。
“AI是工具，它可以放大医生的能力，而不是取代医生。AI解决信息处理的问题，医生解决人的疾病的问题。最好的状态就是AI处理繁杂的事务，医生专注看病，共同服务患者。”一位临床医生表示。