为什么拿到公共医疗体系合作的 AI 问诊独角兽，会因准确性问题被医生集体质疑？

# 商业复盘备忘录：Babylon Health AI问诊

> 为什么拿到公共医疗体系合作的 AI 问诊独角兽，会因准确性问题被医生集体质疑？
> 周期: 2013 - 2023 | 行业: 医疗与健康
> 巅峰: 英国数字医疗独角兽，通过与公共医疗体系合作获得大量用户，上市时估值一度达数十亿美元
> 终局: AI 问诊的准确性受到专业质疑，巨额亏损无法扭转，公司破产并出售业务

## 核心概览
用消费级 AI 的能力承诺去承接医疗级的需求，中间的差距无法用营销弥补。巅峰期 英国数字医疗独角兽，通过与公共医疗体系合作获得大量用户，上市时估值一度达数十亿美元；终局是 AI 问诊的准确性受到专业质疑，巨额亏损无法扭转，公司破产并出售业务。

## 社区公投头号死因
1. [产品技术] 算法在医疗级安全性上未达标准 (1,822 票)
2. [战略决策] 用消费级 AI 的能力承诺承接医疗级需求 (1,530 票)
3. [外部合规] 扩张速度远超临床验证与合规准备 (1,239 票)

## 可执行教训
### 医疗场景的错误代价与消费级产品不在一个量级
> 当算法可能漏诊时，任何准确性上的不足都会直接转化为安全与合规风险。

- ✅ 推荐做 (DOs):
  - 在医疗场景用临床标准验证算法而非通用指标
  - 扩张前完成目标市场的监管与临床准备
- ❌ 绝不能做 (DON'Ts):
  - 不要用技术叙事替代临床证据
  - 不要在验证不足时多国扩张

## 救亡方案
### 把 AI 降级为医生辅助工具 — 岑柏舟
干预时点: 2021 年专业评估指出算法遗漏严重症状时
- 必须断腕:
  - 停止把 AI 作为独立分诊入口
  - 暂停在监管准备不足的市场扩张
  - 不再以诊断准确率作为市场宣传重点
- 破局动作:
  - 把产品定位为医生的辅助工具，关键结论由医生确认
  - 按临床标准重建算法的验证与监测流程
  - 把扩张节奏与各地监管准备程度绑定
- 预期结果: 在安全边界内提供真实的辅助价值，避免因安全性问题失去专业信任与监管支持。

## 社区见解
### 医疗 AI 最难的不是把准确率做到 90%，而是把漏诊率控制到安全范围。因为剩下那 10% 里如果包含急症，后果就是人命。 — 方铭 (工程师)
通用模型在公开数据集上表现很好，但真实患者描述症状的方式千差万别，而模型的训练数据往往缺少这类噪音。公司在发布时强调能力，却在专业评估中暴露出明显遗漏，信任就此瓦解。
- 如果重来一次的纠偏招式 正确的路径是把 AI 定位为医生的辅助工具而非独立分诊者，用人类医生兜底，把风险控制在可接受范围。

---
来源: 良略 · https://www.lianglue.com/c/babylon-health