问题
两篇 2026-10 的 arXiv 研究指向同一个断层：大模型在拿到完整病例描述时诊断准确率可达 90.7%，但在交互式临床信息采集中表现很差——31 个模型、7 个模型家族中最好的（GPT-6-astra、Claude Opus 5）在医生撰写的接诊任务上成功率不足 30%。同时，数字症状检查器普遍“在准确收集信息、支持沟通或集成临床工作流方面仍面临挑战”。受影响的是构建临床 AI 的开发者/研究者（缺可复现的评测与改进手段），以及医患双方（患者说不清症状、医生审阅低效）。
目标用户
主要用户是构建临床 AI / 症状检查器产品的开发者与研究团队（含数字医疗公司工程师）。市场规模定性判断：处于研究向产品过渡的早期阶段，付费方尚不明确；次级受益人群是使用数字症状检查器的患者和审阅病例的临床医生。
解决方案
- 交互式问诊智能体框架：多轮主动提问、症状追问与临床工具调用的可复用 agent 组件
- 虚拟病人评测沙盒：内置虚拟病人、检查工具与任务级成功判定，覆盖信息采集、检查、最终诊断三个维度
- 结构化病例输出：生成与诊断推理对齐的病史结构化摘要，供下游系统集成
- 多模型对比报告：一键对比多家模型在接诊任务上的成功率，定位弱项环节
- AI 角色：核心是多轮对话策略（信息采集）+ 临床工具编排，而非单轮诊断
为什么是现在
2026-10 的研究首次系统性量化了“静态诊断强、交互采集弱”的断层（最佳模型接诊成功率 <30% 而诊断准确率 90.7%），说明交互式临床信息采集正是当前模型能力边界，工具与评测需求刚被定义出来，时机明确。
MVP 范围
第一版只做：面向临床 AI 开发者的交互式问诊智能体框架 + 虚拟病人评测沙盒（含临床工具调用与信息采集、检查、最终诊断三类成功判定）。不做：面向真实患者的问诊产品、不做真实临床系统集成、不做诊断建议输出、不做合规认证。
风险
技术风险：交互式问诊能力目前是前沿研究问题，最强的通用模型成功率也不足 30%，产品效果上限受限。 合规风险：一旦触达真实患者即进入医疗器械/诊疗合规区间；MVP 必须严格限制在开发评测场景。 生态风险：若头部模型厂商（如 Anthropic、OpenAI）在下一轮模型迭代中原生解决交互式问诊，工具层价值会被吞掉。 证据风险：本卡信号全部来自论文，无真实用户付费或留存证据，需求真实性未经验证。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| Simtomi | 多语言 AI 症状评估应用，面向患者采集症状并生成结构化摘要 | — |
| Simtomi-Care | 配套的面向医生的病例审阅平台，输出与诊断推理对齐的结构化摘要 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
arXiv cs.HC10月1日新能力
“the system improved how patients communicated their symptoms and helped clinicians review cases more efficiently through structured summaries aligned with diagnostic reasoning.”
Many digital symptom checkers still face challenges in collecting accurate information, supporting communication, or integrating with clinical workflows.原文
arXiv cs.CL10月1日新能力
“Across 31 models and seven model families, the best-performing models (e.g., GPT-6-astra and Claude Opus 5) succeed on less than 30% of tasks, even though their diagnosis accuracy reaches 90.7%.”
Language models diagnose accurately from complete case descriptions but perform poorly in interactive clinical information gathering, succeeding on less than 30% of clinician-authored encounter tasks.原文