真数据
授权 · 纵向 · 多模态常见做法题库、教材、公开论文、单院数据
坤犀（构想）计划在合法授权范围内使用区域全人群纵向数据：医院、基层、医保、公卫打通，多年纵向、七种模态
关键设计
- 训练 / 验证 / 测试按患者、机构、时间三重隔离
- 原始数据与数据集不出域，只汇聚模型参数
- 七种模态按患者时间轴对齐（见 PTE）
产品预告 · 坤犀医疗大模型 · 核心技术
三真训练 × 长程智能体：我们规划的技术底座
我们的技术构想：通用能力借力开源，资源集中在医疗数据、训练场与验证；计划中的 320B 医疗大模型基于开源基座适配 + 三真训练，不从零预训练；以“规划—执行—验证—回溯”争取让 100 步临床任务可靠完成；每个模块都将设对照基线与验证方法。
产品预告坤犀医疗大模型目前处于设计与构想阶段
本栏目介绍的是我们计划怎么做、未来要做什么，而不是已经完成的产品或成果。文中的产品形态、模型规模、技术路线、功能、界面、指标、场景与推进节奏均为设计与构想，尚未研发完成，也未经验证；可能随研发进展、验证结果与监管要求调整或变化，不构成任何承诺、要约或疗效声明。
版权所有，未经书面授权，禁止转载、改写与任何商业使用。查看版权声明
三真训练规划：开源基座适配 320B100 步：13% → 90%（目标）六大前沿技术设计
系统架构构想（自上而下）
- 应用层六类数字员工 + C 端慢病管家
- Harness 治理A0–A4 分级、审批、审计日志、拒答转人工
- 智能体编排规划器 320B + 执行智能体 70B / 32B + 过程验证器
- 知识与工具RAG（规则 / 指南 / 说明书）+ MCP（HIS · EMR · LIS · PACS · 医保）
- 模型层320B 医疗大模型（开源基座 + 医疗继续预训练）→ 70B / 32B / 7B 蒸馏
- 数据与算力省域数据节点（物理隔离）+ 联邦中心与算力中心
核心差异
三真训练：让模型在训练场里“实习”
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
常见做法是教模型“考试”；我们计划让模型在复刻的医疗业务系统里反复完成真实任务，并用患者后来真实发生的结局给每一次决策打分。
真环境
数字孪生训练场常见做法单轮问答、静态考题
坤犀（构想）计划在授权域内复刻 HIS、LIS、PACS、医保与药店环境，让智能体在沙箱里反复练习 100 步任务
关键设计
- MCP 工具层统一接入业务系统
- 专家示范轨迹覆盖 50 类场景（规划口径）
- 沙箱隔离，动作按 A0–A4 分级
真结局
结局回放强化学习常见做法对齐标准答案或人工偏好
坤犀（构想）设计为只给模型某一时刻之前的数据让它决策，再用之后真实发生的再入院、并发症、指标达标与费用打分
关键设计
- 禁用未来信息，杜绝“偷看答案”
- 过程奖励 + 规则验证器 + 结局奖励
- 时间壁垒：结局数据须经多年随访积累
| 现有医疗大模型 | 坤犀：三真训练（构想） | |
|---|---|---|
| 学什么 | 题库、教材、公开论文 | 授权全人群纵向多模态数据 |
| 怎么练 | 单轮问答、静态考题 | 数字孪生训练场里 100 步实操 |
| 谁打分 | 标准答案、人工偏好 | 真实结局 + 规则验证器 + 过程奖励 |
| 目标交付 | 一段回答 | 目标：完成的任务 + 可追溯的证据链 |
来源MedAgentBench（NEJM AI 2025）以虚拟病历系统评测智能体，为“训练场”的学术先例；训练轨迹为规划口径
技术路线
规划中的 320B 医疗大模型：基于开源基座适配 + 三真训练，不从零预训练
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
技术路线为规划，可能调整：通用能力借力开源，资源集中在医疗数据、训练场与验证；每个模块将设对照基线与验证方法。
路径比较：为什么选择开源基座适配
- 成本与周期
- 需约 6.4 万亿 tokens，约 380 万等效卡时（继续预训练的 8 倍），≥ 18 个月
- 依赖与风险
- 医疗数据不足以支撑，工程负担重
- 成本与周期
- 医疗继续预训练 + 监督微调 + 强化学习；约 12 个月完成两轮（规划）
- 依赖与风险
- 依赖开源许可；基座可替换，多家备选
- 成本与周期
- 上线最快，按调用付费
- 依赖与风险
- 院内数据不能出域；不可控、不可审计
模块清单：解决什么、和谁比、怎么验证
← 左右滑动查看完整表格 →| 模块 | 解决的问题 | 对照基线 | 验证方法 | 阶段 |
|---|---|---|---|---|
| 检索增强 RAG | 规则、指南、说明书实时引用，结论附出处 | 纯模型生成 | 引用正确率、事实错误率 | 计划首发 |
| 继续预训练 + 微调 | 院内文书语言、编码习惯与本地规则 | 开源基座零样本 | 编码一致率、修改量 | 计划首发 |
| 智能体 + Harness | 长任务拆解、工具调用、逐步校验与审批 | 规则引擎、单轮问答 | 完成率、人工接管率 | 计划首发 |
| 因果推断 | 药企 RWE：目标试验模拟、偏倚评估 | 相关性分析 | 与 RCT 结论一致性 | 2027+ |
| 多模态编码器 | 影像、病理、心电与文本对齐推理 | 单模态模型 | 外部测试集 AUC | 2028+ |
工程落地（规划）
70B 院内私有化（1 台 8 卡）、32B 一体机、7B 离线；接入 HIS / EMR / LIS / PACS / 医保结算清单；单步响应 P95 ≤ 3 秒（目标）；故障降级为规则引擎，灰度发布、一键回滚。
来源Chinchilla（2022）；算力按 6ND、等效单卡 BF16 稠密 2.25 PFLOPS、40% 利用率测算；架构与阶段为坤犀规划；“计划首发”= 计划首发产品必需的模块
长程任务
100 步临床任务端到端成功率：从 13% 提升至 90%（目标）
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
整体成功率 = 每步成功率的 100 次方。我们设计用“规划—执行—验证—回溯”把每步有效成功率提到 99.9%（目标），由模型与 Harness 共同实现。
- 每步 98%
- 每步 99%
- 每步 98% + Harness 拦截 95% 错误
为什么是 13%
0.98¹⁰⁰ ≈ 13%；0.99¹⁰⁰ ≈ 37%。若每步仍为 98%，但 Harness 拦截其中 95% 的错误，每步有效成功率约 99.9%，100 步整体约 90%。
例：一次住院全流程 ≈ 100 步
- 入院评估
- 检查检验
- 诊断
- 治疗
- 出院小结
- 编码结算
- 随访
规划器 · 320B拆任务、排步骤、错了重规划
执行智能体 · 70B / 32B问诊、开单、阅片、编码
MCP 工具层HIS · LIS · PACS · 医保
分层记忆工作 · 病程 · 知识三层记忆
过程验证器 · PRM每步打分，低分回溯或转人工
Harness 治理A0–A4 分级、审批与审计
78.2% vs 72.4%
过程奖励模型
逐步打分，胜过只看最终答案
MATH 数学基准
Lightman et al. 2023
15.6% → 77.9%
可验证奖励强化学习
只奖励可核对的答案
推理能力自发涌现（AIME 竞赛题）
DeepSeek-R1 2025
400 步达 67%
工具调用强化学习
边推理边调用代码工具
对照：纯文本 RL 1,080 步仅 40%
ReTool · ByteDance Seed 2025
80%–85.5%
多智能体会诊
304 例疑难病例诊断准确率
全科医生平均 20%
MAI-DxO · Microsoft 2025
来源Lightman et al. 2023（过程奖励）；DeepSeek-R1 2025（R1-Zero）；ReTool（ByteDance Seed 2025）；MAI-DxO（Microsoft 2025，SDBench 304 例）；以上为公开基准结果，100 步成功率为坤犀测算与目标
六大前沿技术
站在全球前沿，构想坤犀自己的突破设计
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
每一项都按同一结构展开：全球前沿已经证明了什么、行业还卡在哪里、坤犀计划怎么设计、准备用什么指标验证、拟落到哪些场景。方法、架构、指标与时间均为坤犀的设计目标与构想，尚未实现，可能调整。
前沿技术一大模型与智能体
奖励信号从“答案正确”转向“真实结局”
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
推理模型、强化学习与智能体编排已在模拟环境中超越医生；真实临床环境下的长程可靠性、行动授权与可追责性仍是行业空白。
全球前沿突破GLOBAL FRONTIER
85.5%
执业医师平均 20%
序贯诊断编排器 MAI-DxO
304 例 NEJM 疑难病例；虚拟专家组在成本约束下逐步问诊、开检查、下诊断
Microsoft AI · 2025-06
90%
最终诊断进入前 7 位鉴别诊断
AMIE 前瞻性真实门诊研究
哈佛医学院附属 BIDMC 98 例；实时人工监督，安全中止 0 例
Google · arXiv 2026-03
3.5%
幻觉率
Baichuan-M3 事实感知强化学习
逐条核验医学陈述；HealthBench 65.1，高于 GPT-5.2-High 的 63.3
Baichuan · arXiv 2026-02
首例
州政府授权 AI 自主续方
犹他州 AI 监管沙盒
Doctronic 为慢病患者常规续方：AI 开始获得受监管的“行动权”
Utah Dept. of Commerce · 2026-01
坤犀设计构想KUNXI DESIGN CONCEPT
RLVO · 真实结局可验证强化学习
设计构想 · 计划 2027 验证过程奖励保证每一步合规，结局奖励保证最终有益；在数字孪生训练场内闭环训练，经 Harness 分级放行后进入临床工作流。
- 1数字孪生训练场复刻 HIS / EMR / LIS / 医保环境；回放授权域内多年真实病例
- 2策略模型320B 规划 + 70B 执行；多步工具调用，每步输出可审计的中间结论
- 3过程奖励 PRM指南、1.55 万条医保规则、药品说明书逐步核验
- 4结局奖励 ORM以真实随访结局（再入院、并发症、拒付）为可验证奖励
- 5Harness 分级放行A0–A4 动作分级；保形预测拒答；全链路审计日志
策略更新（GRPO）：过程奖励与结局奖励回流到策略模型，闭环迭代
行业瓶颈坤犀拟采用的解法验证指标（目标值）
奖励依赖考试答案与专家偏好，与患者结局脱节
以多年纵向真实结局构造可验证奖励
≥ 85%MedAgentBench 任务成功率（2027）
长程任务误差逐步累积，100 步成功率不足 15%
过程奖励逐步核验 + 失败回溯与重规划
≥ 90%100 步任务完成率（2028）
AI 行动权缺乏分级、审批与追责机制
A0–A4 动作分级、审批链与全链路审计
0 例S3 级严重错误（持续监测）
计划落地场景计划首发医保合规与病历质控（70B 院内）→ 六类数字员工
来源Microsoft AI《The Path to Medical Superintelligence》（2025-06-30）；arXiv 2603.08448（AMIE 前瞻研究，2026-03）；arXiv 2602.06570（Baichuan-M3，2026-02）；Utah Department of Commerce（2026-01-06）；Med-PRM（EMNLP 2025）；Microsoft Research arXiv 2609.12277；方法、架构与指标为坤犀设计目标
前沿技术二多模态与精准医疗
病理与基因组进入基础模型时代，下一步是全病程对齐
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
单模态、单时点模型已趋成熟并进入临床；跨模态、跨时间且与多年结局配对的数据稀缺，是精准医疗从“诊断准确”走向“治疗精准”的关键瓶颈。
全球前沿突破GLOBAL FRONTIER
230 万
张全切片病理图像
PRISM2 病理多模态模型
20 万患者、1,400 万问答对训练；泛癌检测 AUC 0.967，支持提示词推理
Nature Medicine · 2026-07
77%
PD-L1 表达法为 61%
MUSK 视觉-语言肿瘤模型
预测 NSCLC 免疫治疗获益；5,000 万张病理图像 + 10 亿条文本预训练
Nature · 2025-01
25 / 26
项变异效应评测持平或领先
AlphaGenome 基因组模型
单次输入 100 万碱基；同时预测 5,930 种人类基因组功能信号
Nature · 2026-01
7.86 万
例真实世界机会性筛查
GRAPE 平扫 CT 胃癌筛查
16 中心外部验证 AUC 0.927；敏感度较放射科医生高 21.8%
Nature Medicine · 2025-06
坤犀设计构想KUNXI DESIGN CONCEPT
PTE · 全病程时间线编码器
设计构想 · 计划 2027 起以患者为单位，将影像、病理、检验、文书、用药与随访按时间对齐，并以多年真实结局为锚点学习统一表示，支撑治疗反应与复发风险推理。
- 1模态编码器（合作）CT / MR、病理全切片、心电、眼底、组学等专用编码器
- 2事件化时间线以就诊事件为时间戳，统一为 ≥ 5 年的患者级序列
- 3缺失鲁棒融合模态随机屏蔽训练；按可得模态自动降级推理
- 4结局锚定对齐多模态表示对齐 1 / 3 / 5 年真实结局
- 5320B 推理与证据链输出治疗反应、复发风险，并回溯影像 / 切片定位
分批接入：2027 文本 · 检验 · 眼底 → 2028 CT · 心电 · 病理 → 2029 组学 · 语音 · 视频（组学与测序由合作机构完成）
行业瓶颈坤犀拟采用的解法验证指标（目标值）
模型多为单模态、单时点，缺少长期结局配对
构建 ≥ 5 年、≥ 7 种模态的患者级时间线
≥ 0.80治疗反应预测外部验证 AUC（2029）
模态缺失为常态：基层缺病理，多数患者无基因检测
模态屏蔽训练，按可得模态降级推理
≤ 5%模态缺失 50% 时 AUC 降幅
精准用药证据以回顾性为主，难以进入临床决策
结局锚定 + 前瞻静默验证 + 多省外部验证
7 种时间线覆盖模态（2029）
计划落地场景药企精准肿瘤 RWE 与伴随人群筛选；医院 MDT 智能体；拟与编码器合作方联合交付
来源Nature Medicine 32:3203（PRISM2，2026-07-31）；Nature 638（MUSK，2025-01-08）；Nature 649:1206（AlphaGenome，2026-01-28）；Nature Medicine 31:3011（GRAPE，2025-06-24）；瑞金 RuiPath 2.0 已在全国 90 余家医院应用（新华网 2026-08-31）；方法、架构与指标为坤犀设计目标
前沿技术三预测与预防
从“预测风险”到“推演干预”，以反事实轨迹指导个体化预防
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
生成式轨迹模型已可同时预测上千种疾病并呈现缩放律；但风险评分本身不回答“应采取何种干预”，大规模筛查亦须以硬终点验证获益。
全球前沿突破GLOBAL FRONTIER
1,258
种疾病同时预测
Delphi-2M 健康轨迹模型
UK Biobank 40 万人训练、丹麦 190 万人外部验证；预测窗口最长 20 年
Nature · 2025-09
1.18 亿
名患者纵向记录
Epic CoMET 医疗事件模型
1,150 亿医疗事件预训练；78 项任务零样本多数持平或优于专用模型
Epic · arXiv 2025-08
−60%
校准误差（ECE 0.082→0.033）
患者轨迹强化学习
GRPO / DAPO 微调后，9M 模型 AUROC 超过 56M 预训练模型
Microsoft Research · 2026-09
−14%
IV 期癌症诊断
NHS-Galleri 多癌早筛 RCT
14.2 万人；IV 期减少但主要终点未达成，预测须以硬终点验证
GRAIL · ASCO 2026
坤犀设计构想KUNXI DESIGN CONCEPT
CPT · 反事实患者孪生
设计构想 · 计划 2028 验证在事件化轨迹模型上对候选干预做条件生成，比较不同方案下的未来结局分布，并以目标试验模拟校正混杂、以真实结局持续校准。
- 1事件化轨迹预训练就诊、检验、用药与结局编码为事件序列；区域全人群多年纵向记录
- 2干预条件化生成候选方案：强化降压 / 降糖、筛查时点、生活方式干预
3 年并发症风险（示意数值）
方案 A · 强化降压 + 年度眼底筛查9%
方案 B · 常规降压12%
维持现状18%
每方案生成 64 条蒙特卡洛轨迹 · 目标试验模拟校正混杂 · 结局回放持续校准
行业瓶颈坤犀拟采用的解法验证指标（目标值）
风险评分只回答“是否发生”，不回答“如何干预”
生成反事实轨迹，输出个体化获益排序
≥ 0.80五大慢病 3 年并发症外部验证 AUC
训练人群偏倚（志愿者队列）导致外推失准
中国区域全人群数据 + 多省联邦外部验证
≤ 0.05校准误差 ECE（持续监测）
部署后校准漂移，风险被系统性高估或低估
结局回放强化学习 + 月度再校准与漂移监测
≥ 80%推演结果与已发表 RCT 方向一致率
计划落地场景商保带病体定价与核保；C 端慢病管家个体化干预；医共体高危人群分层管理
来源Nature（Delphi-2M，2025-09-17）；arXiv 2508.12104（Epic Cosmos 生成式医疗事件模型）；arXiv 2609.12277（Microsoft Research，2026-09）；GRAIL 2026-05-30（NHS-Galleri，ASCO 2026）；图中风险值为示意、非预测结果；方法、架构与指标为坤犀设计目标
前沿技术四药企研发与真实世界证据
监管框架已成形，坤犀计划建设“可复跑证据工厂”
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
FDA 以使用场景与模型风险分级要求 AI 可信度证据；基于电子病历的试验模拟已与随机试验结论一致；瓶颈在周期、可复现性与跨机构数据汇聚。
全球前沿突破GLOBAL FRONTIER
7 步
可信度评估框架
FDA AI 可信度指南（草案）
按使用场景（COU）与模型风险分级，要求可信度评估计划与报告
FDA · 2025-01
9 / 9
项可比试验结论统计等效
TRIALSCOPE 真实世界试验模拟
100 万+ 肿瘤患者 RWD 模拟 11 项 NSCLC 试验，提速 20 倍以上
Microsoft · Providence · 2025
−42.6%
入组筛选时间
TrialGPT 试验入组匹配
大模型逐条判定入排标准，准确率 87.3%，接近专家水平
Nature Communications · 2024-11
+98.4 mL
FVC 改善（安慰剂 −20.3 mL）
rentosertib IIa 期
AI 发现靶点、AI 设计分子；特发性肺纤维化 71 例，12 周结果
Nature Medicine · 2025-06
坤犀设计构想KUNXI DESIGN CONCEPT
REF · 可复跑证据工厂
设计构想 · 计划 2027 首个项目方案解析、联邦队列、因果推断、偏倚审计与证据包全流程由智能体执行；代码、数据版本与决策日志全程留痕，任一结论可一键复跑。
- 1方案解析智能体从试验方案抽取 PICO、时间零点与终点（RAG + 人工复核）
- 2联邦队列构建自动生成表型代码，在各省节点并行检索与计数
- 3因果引擎目标试验模拟 + 倾向评分加权 + 数字孪生对照
- 4偏倚审计负对照、E-value、敏感性分析默认执行
- 5监管级证据包按 FDA 7 步框架出具可信度报告；代码可复跑
数字孪生对照参照 EMA PROCOVA 资格认定路径；原始数据留在省域节点，仅输出统计量与证据包
行业瓶颈坤犀拟采用的解法验证指标（目标值）
单项 RWE 研究依赖手工，周期 6–12 个月且难复现
智能体自动化目标试验模拟，全程版本化
≤ 6 周单项 RWE 研究周期
混杂与选择偏倚削弱证据可信度
负对照、E-value、敏感性分析默认执行
≥ 80%历史 RCT 复现方向一致率
数据分散于各机构，原始数据无法汇聚
省域节点联邦执行，仅输出统计量
−40%入组筛选时间（试点目标）
计划落地场景药企证据包、试验招募助手与外部对照；拟与 CRO 合作交付
来源FDA Draft Guidance（2025-01）；arXiv 2311.01301（TRIALSCOPE）；Nature Communications（TrialGPT，2024-11-18）；Nature Medicine（rentosertib，2025-06）；EMA PROCOVA 资格认定（2022-09）；medRxiv 2026-04（LLM 目标试验模拟，方案要素抽取准确率 92.3%）；方法、架构与指标为坤犀设计目标
前沿技术五可信计算与数据要素
省域物理隔离 + 联邦中心：数据不出省，价值可流通
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
国家推进可信数据空间建设，医疗数据流通已由“能否开展”转向“如何运营”；机密计算、差分隐私与联邦学习使跨省协作具备工程可行性。
全球前沿突破GLOBAL FRONTIER
100+
个可信数据空间（2028 年）
国家可信数据空间行动计划
2026-07 国家层面专题部署医疗数据流通利用，重点转向推广与运营
国家数据局 · 国家发展改革委
< 15%
医院间数据调阅率
医疗数据“出院难”
约 70% 为非结构化数据；全国两会提案建议推广医疗可信数据空间
全国两会 · 2026-03
< 7%
机密计算推理开销
GPU 机密计算（TEE）实测
多数大模型查询开销低于 7%，70B 模型基本无损；瓶颈在 CPU–GPU 传输
arXiv 2409.03992
ε ≤ 2
序列级差分隐私
VaultGemma 差分隐私模型
从零以差分隐私训练的 10 亿参数开放模型，未检出训练数据记忆
Google Research · 2025-09
坤犀设计构想KUNXI DESIGN CONCEPT
FedHub · 医疗数据联邦
架构构想 · 计划 2027 首批各省数据节点物理隔离、原始数据不出省，本地完成联邦计算与联邦学习；联邦中心负责安全聚合、320B 训练、审计存证与价值分账。
- 省域节点 1
- 省域节点 2
- 省域节点 3
联邦中心 + 算力中心安全聚合 · TEE审计存证320B 训练 · 价值分账
- 省域节点 4
- 省域节点 5–7
- 省域节点 N
原始数据物理隔离 · 不出省加密参数 ↑ 全局模型 ↓
行业瓶颈坤犀拟采用的解法验证指标（目标值）
原始数据不能跨机构、跨省汇聚
省域节点物理隔离，仅交换加密参数
0 字节原始数据出省
参与方互不信任，计算过程难以证明
TEE 机密计算 + 远程证明 + 差分隐私
≤ 3%联邦训练较集中训练的性能差
数据价值无法计量与分配
贡献度计量 + 智能合约分账 + 区块链存证
计划落地场景联邦训练服务、数据产品与可信数据空间运营
来源国家数据局《可信数据空间发展行动计划（2024—2028 年）》（2024-11-23）；国家发展改革委（2026-07-08）；上海证券报（2026-03-09）；arXiv 2409.03992；Google Research（VaultGemma，2025-09-12）；arXiv 2601.22124（Fed-MedLoRA）；架构与指标为坤犀设计目标
前沿技术六数字健康与组学
连续信号成为新型生物标志物，坤犀计划打通院外与院内
声明本模块为设计与构想，尚未完成，内容可能调整或变化。
可穿戴与连续血糖基础模型已证明长期连续信号具备疾病预测价值；缺口在于院外信号与院内诊疗记录、结局标签相互割裂。
全球前沿突破GLOBAL FRONTIER
25 亿小时
可穿戴行为数据
Apple 可穿戴行为模型 WBM
16.2 万名参与者、57 项健康任务；与 PPG 融合识别妊娠准确率 92%
Apple · arXiv 2025-07
66%
12 年新发糖尿病被捕获
GluFormer 连续血糖模型
1,000 万+ CGM 读数训练；最高风险四分位另捕获 69% 心血管死亡
Nature · 2026-01
92.3%
特异度（敏感度 41.2%）
Apple Watch 高血压提醒
光学传感器被动筛查获 FDA 许可：消费级设备进入监管医疗
FDA · 2025-09
60 万份
血浆蛋白质组样本
UK Biobank 蛋白质组计划
每份最多 5,400 种蛋白；少数蛋白预测 67 种疾病，优于常规临床指标
UK Biobank · 2025-01
坤犀设计构想KUNXI DESIGN CONCEPT
DCF · 院外—院内双时钟融合
设计构想 · 计划 2027 推出分钟级院外连续信号与月级院内诊疗记录在个人时间轴上对齐，以院内确诊与随访结局标注院外信号，形成个体化基线与早期预警。
- 1院外连续信号手表 / 手环、CGM、家用血压计、睡眠与活动数据
- 27B 端侧模型本地预处理与异常检测，原始信号不出设备
- 3双时钟对齐分钟级院外信号 ↔ 月级院内记录，以院内结局标注
- 4320B 个体化推理个人基线与风险分层；A0 记录 · A1 提醒 · A2 转诊建议
- 5医患闭环医生确认、复诊随访、商保健康激励
组学（蛋白质组、基因组）由合作机构检测，坤犀负责与临床时间线融合，用于高风险复核与药企精准人群
行业瓶颈坤犀拟采用的解法验证指标（目标值）
院外信号与院内记录割裂，缺少结局标签
双时钟对齐：以院内确诊与结局标注
+10 pp血压 / 血糖控制达标率（前瞻验证）
消费级传感器精度有限（高血压提醒敏感度 41.2%）
仅做趋势分层与提醒，阳性须院内确认
≥ 5 家接入设备品牌（2027）
组学检测成本高、覆盖人群小
合作接入，用于精准人群与高风险复核
计划落地场景C 端慢病管家；可穿戴厂商合作；商保健康激励联动
来源arXiv 2507.00191（Apple WBM，2025-07）；Nature（GluFormer，2026-01）；FDA / Fierce Biotech（Apple 高血压提醒，2025-09-17）；UK Biobank（2025-01-10）；Nature Medicine 2025（PH-LLM）；方法、架构与指标为坤犀设计目标
说明：坤犀医疗大模型目前为产品预告，处于设计与构想阶段。本栏目中的产品、模型能力、门槛、指标与时间安排，除注明来源的公开研究结果外，均为坤犀的设计目标、构想或测算，并非已实现或已实测的结果，未来可能调整或变化；产品界面为概念示意，数据为模拟。按设计，智能体只提供建议，诊疗决策由医生作出。