中科院香港创新研究院发布 CARES 4.0 多模态临床智能体，刘宏斌谈医疗 AI 商业化与幻觉边界
来源雷峰网查看原文
速览
- CAIR 发布 CARES 4.0，从大模型工具升级为多模态临床智能体，覆盖诊疗、管理、科研全链条。
- 系统基于 Harness 智能体框架，底层为自研 CT、核磁、超声、内镜、脑电多模态医疗基座。
- CARES 4.0 已在多家三甲医院落地，官网开放，框架与通用工具包已发布，部分模型将免费开源。
- 手术风险预警目前以空间维度为主，提示操作部位接近重要血管、神经等解剖结构。
- 刘宏斌强调 AI 只给建议、医生是最终决策者，系统输出附带基于指南与论文的思考路径。
- 合作医院超过 30 家，喉镜诊断 AI 工作站部署超 10 家，超声系统超 10 家，支气管镜系统超 4 家。
- 医疗 AI 商业化需平衡患者、医生、医院、医保四方诉求，不能增加医保负担。
- 刘宏斌认为通用模型能力越强，垂直领域模型上限越高，但部署需在模型大小与任务需求间平衡。
- 论坛设院长圆桌、创投路演、成果展与具身智能手术室参观，覆盖呼吸介入、耳鼻喉、超声、睡眠医学等专科。
第四届香港具身智能医疗科技论坛（CREATE Symposium）在香港科学园高锟会议中心举办，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、香港科技园公司协办，主题为「医疗 AI 商业化之路」，汇聚近 300 名专家学者、医院管理者、临床医师与产业资本代表。论坛上 CAIR 发布自研多模态临床智能体系统 CARES 4.0，该系统基于 Harness 智能体框架构建，底层搭载自研 CT、核磁、超声、内镜、脑电多模态医疗基座，已在多家三甲医院完成落地验证，覆盖诊疗、科室管理、医学科研全链条。CARES 4.0 官网已开放，框架与通用工具包已发布，医疗工具包陆续上线，中心自研超声、手术视频开源模型也将接入平台并面向社会免费开放。论坛期间雷峰网与 CAIR 主任刘宏斌对话，他解释 4.0 从「工具」升级为「智能体」的差别、手术风险预警的空间与时间两个维度、AI 幻觉的应对方式，以及医疗 AI 商业化需要同时满足患者、医生、医院、医保四方诉求。
关键事实
- 第四届香港具身智能医疗科技论坛（CREATE Symposium）由 CAIR 主办、香港科技园公司协办，在香港科学园高锟会议中心举办，主题为「医疗 AI 商业化之路」，参会者近 300 人。
- CAIR 在论坛上发布自研多模态临床智能体系统 CARES 4.0，依托 Harness 智能体框架构建，底层搭载自研 CT、核磁、超声、内镜、脑电多模态医疗基座。
- CARES 4.0 已在多家三甲医院完成落地验证，覆盖诊疗全流程辅助诊断、科室管理自然语言查询与报表生成、医学科研多维统计分析与论文报告输出。
- CARES 4.0 官网已开放，框架与通用工具包已发布，医疗工具包陆续上线；中心自研超声、手术视频开源模型也将接入平台，面向社会免费开放。
- 刘宏斌称 CARES 1.0 到 3.0 是大模型，只能做多模态问答，本质是工具；4.0 升级为智能体，可自主完成如统计手术量、耗材、病人情况并生成汇报报告等任务。
- 手术风险预警分空间与时间两个维度，目前主要应用的是空间预警，即提示操作部位接近重要血管、动脉、神经。
本站视角
对国内做医疗 AI 的团队和三甲医院信息科来说，CARES 4.0 的发布提供了一个可参照的落地样本：它不再强调单点模型精度，而是把多模态基座、智能体框架、临床工作流嵌入和数据沉淀平台打包，并明确以「医生是最终决策者、AI 只给建议」作为安全边界。这一路线与国内多数医疗 AI 公司先做单病种辅助诊断、再向平台扩展的路径不同，CAIR 选择从智能体切入科室管理与科研场景，可能更容易绕开审批周期长、责任界定难的诊断类应用。对用 API 或采购医疗 AI 的中小医院而言，CARES 4.0 官网开放、框架与通用工具包已发布、部分模型免费开源，意味着接入门槛可能降低，但实际部署仍受算力、数据质量与院内系统集成能力限制。需要观察的是：刘宏斌给出的部署数字（合作医院超过 30 家、喉镜超 10 家、超声超 10 家、支气管镜超 4 家）来自团队自述，尚无第三方验证，也未披露使用频次、临床效果指标或付费情况；「模型能力可以超过专家平均水平」的说法同样缺少公开 benchmark 支撑。此外，CARES 4.0 强调的智能体自主生成报表、训练简易机器学习模型等功能，在真实医院数据环境中的幻觉率与合规风险，原文未给出量化数据。我们认为，这次发布的价值更多在于展示医疗 AI 从工具到智能体的产品形态演进，以及把商业化约束（医保不增负担、四方诉求平衡）摆上台面；至于它是否构成实质临床进步，取决于后续能否公开部署医院的使用数据与审批进展。
背景与影响
CARES 系列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）自研。据刘宏斌介绍，1.0 到 3.0 阶段系统本质是大模型，能处理针对图片、视频的多模态问答，但仍是需要医生学习使用的工具；4.0 转向智能体形态，可自主完成科室运营报表生成、专病数据集统计分析等任务，并保留与医生的交互确认环节。这一升级方向与当前医疗 AI 从单点模型走向工作流嵌入的行业趋势一致。落地层面，CARES 4.0 已在多家三甲医院验证，合作医院超过 30 家，喉镜、支气管镜、超声等系统分别部署于不同数量的医院。论坛同期设置院长圆桌对话，讨论私立机构引入高价值 AI 系统的投资回报、跨境医疗 AI 的合规与数据互通、智慧医院业务流程重构、AI 临床落地的风险界定与责任划分、基层医疗分步推广等议题，反映出医疗 AI 商业化仍面临支付方、合规与责任机制等非技术约束。刘宏斌在对话中把商业化难点归结为需同时满足患者、医生、医院、医保四方诉求，并称团队过去一年集中在各医院做真实世界研究（real-world research），收集医生反馈评估模型实际价值。这意味着 CARES 4.0 的发布不只是能力升级，也是 CAIR 从模型研发转向临床部署与商业化验证的阶段节点。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。