超越医疗聊天机器人：Meddollina与持续临床智能的兴起

生成式医疗AI如今已显得足够流畅、知识渊博，形似临床智能，这助长了规模化就会安全的信念。但临床推理不是文本生成，而是一个在歧义、不完整证据与纵向背景下的、责任在身的过程。即使基准分数上升，以生成为中心的系统仍表现出与临床部署不相容的行为：过早关闭、无依据的确定、意图漂移以及多步决策中的不稳定。我们论证，这些是把医学当作下一token预测的结构性后果。我们将临床情境智能（Clinical Contextual Intelligence, CCI）形式化为真实临床使用所需的一个独特能力类别，由持续的情境感知、意图保持、有界推理以及在证据不足时有原则的转诊让渡定义。我们提出Meddollina，一个治理优先的临床智能系统，设计为在语言实现之前约束推理，优先考虑临床适当性而非生成完整性。Meddollina作为持续智能层支持临床工作流，同时保留临床医生权威。我们采用行为优先的评估机制，在16,412+条异构医疗查询上评估Meddollina，与通用模型、医疗微调模型和检索增强系统进行基准对比。Meddollina展现出独特的行为画像：校准的不确定性、欠规定下的保守推理、稳定的纵向约束遵守，以及相对以生成为中心基线更少的投机性补全。这些结果表明，可部署的医疗AI不会仅靠规模化出现，这促使向持续临床智能转变——进步以不确定性下与临床医生对齐的行为而非流畅性驱动的补全来衡量。