CARES 4.0 在港发布，医疗 AI 迈向自主智能体与临床闭环

一句话结论

CAIR 发布 CARES 4.0 智能体系统，通过多模态融合与自主任务执行，推动医疗 AI 从被动问答工具向能够影响临床决策与医院运营的智能实体演进。

关键要点

CAIR 于香港科学园高锟会议中心举办第四届 CREATE Symposium，发布基于 Harness 框架构建的 CARES 4.0 多模态临床智能体系统。
CARES 4.0 集成 CT、核磁、超声、内镜及脑电基座，覆盖诊疗、管理、科研场景，并已在多家三甲医院完成验证，官方框架工具包已开放。
系统新增手术视频语义理解与风险预警功能，目前主要应用于空间维度（如提示接近血管、神经），并在中山大学附属第一医院支气管镜场景中识别血管误认风险。
CAIR 团队已与超过 30 家医院开展实质合作，其中喉镜诊断 AI 工作站部署超 10 家，支气管镜系统超 4 家，超声系统超 10 家。
系统遵循临床专家逻辑，利用知识图谱提供结构化建议而非最终结论，要求最终建议附带基于指南或论文的思考路径，由临床医生做最终决策。

背景与事实

第四届 CREATE Symposium 于近日在香港科学园高锟会议中心举办，主办方为 CAIR（Clinical AI Research 平台或相关机构简称，来源未提供英文全称，保留 CAIR），协办方为香港科技园公司。本次峰会主题为“医疗 AI 商业化之路”，吸引了近 300 人参与。会议期间，CAIR 正式发布 CARES 4.0 多模态临床智能体系统。该系统基于 Harness 框架构建，核心架构集成了 CT、核磁、超声、内镜、脑电五大基座，旨在覆盖诊疗、管理、科研三大核心场景。据发布方介绍，CARES 4.0 已在多家三甲医院完成验证，其官网及框架工具包已向公众开放，标志着该系统进入可实际部署与二次开发阶段。

CAIR 负责人刘宏斌在发布会上指出，CARES 4.0 实现了从 3.0 版本的被动问答工具向能自主执行任务的智能体升级。这一升级意味着系统不再仅仅响应指令，而是能够主动生成复杂报告，例如自动生成手术量及耗材分析报告。技术层面，系统新增了手术视频语义理解与风险预警功能。预警机制分为空间维度与时间维度：空间维度主要提示操作接近血管、神经等解剖结构的风险，目前主要应用集中在该维度；时间维度则提示前期步骤不足对后续操作的影响，如开骨窗不足影响后续切除。在实际临床验证中，该系统在中山大学附属第一医院的支气管镜场景中，成功提示了误将血管当支气管的风险。同时，系统严格遵循临床专家逻辑，利用知识图谱提供结构化建议，以最小化决策类幻觉风险，最终建议须附带基于指南或论文的思考路径，明确由临床医生做最终决策。

会议还展示了多项前沿医疗 AI 技术，包括 MicroNeuro 手术机器人、“聆音”超声大模型等，并设置了院长圆桌、创投路演及成果展等环节。数据显示，CAIR 团队目前与超过 30 家医院开展实质合作，具体部署情况包括：喉镜诊断 AI 工作站部署超 10 家，支气管镜系统部署超 4 家，超声系统部署超 10 家。在过去一年中，团队专注于真实世界研究（real-world research），通过临床部署收集反馈。医生主要反馈希望减轻工作负担及优化人机交互直观性。分析认为，当数据量大且质量高时，模型能力可超过专家平均水平；通用模型基础能力越强，经垂直领域后训练及工具加持，性能上限越高，但实际部署需平衡模型能力与算力消耗，小模型加工具设计常能达良好效果。

影响分析

对于中文医疗 AI 开发者与从业者而言，CARES 4.0 的发布具有显著的范式参考价值。首先，“智能体”（Agent）概念的落地表明医疗 AI 正在从单一的“预测器”向“执行者”转变，这种转变要求开发者不仅具备算法能力，还需深入理解临床工作流。CARES 4.0 在手术视频语义理解上的突破，特别是空间维度的风险预警，为外科 AI 提供了可量化的安全边界，这比单纯的诊断准确率更符合手术室的安全需求。其次，系统强调“附带基于指南或论文的思考路径”，这一设计直接回应了医疗 AI 落地中最敏感的“黑盒”信任问题，为国内医院采购 AI 系统时要求“可解释性”提供了技术范本。

此外，CAIR 提出的“小模型加工具”策略对中小团队极具吸引力。在算力成本高昂的背景下，通过垂直领域后训练优化小模型，而非盲目追求超大参数模型，是更务实的落地路径。这种平衡模型能力与算力消耗的思路，符合国内当前医疗 IT 基础设施的现状。同时，系统覆盖诊疗、管理、科研全场景，暗示了未来医疗 AI 不再是单点工具，而是贯穿医院运营全链条的基础设施。医生反馈中提到的“减轻工作负担”，进一步确认了医疗 AI 的价值主张已从“辅助诊断”扩展至“效率提升”，这对追求医院经营效率的医保支付端与医院管理者更具吸引力。

适用边界

CARES 4.0 的当前能力存在明确的技术与场景限制。首先，风险预警功能目前主要应用于空间维度，时间维度（如手术步骤完整性检查）尚未成为主要应用，这意味着系统在复杂手术流程的全程逻辑监控上仍有局限。其次，虽然系统在多家三甲医院验证，但其具体适应的病种与科室范围未完全公开，仅提及支气管镜、喉镜及超声场景，其他复杂外科或内科场景的适用性需进一步验证。最后，系统严格遵循临床专家逻辑，依赖知识图谱提供结构化建议，这要求输入数据必须符合高质量标准；若医院数据来源混乱或标注不规范，系统的性能上限将显著降低。此外，尽管工具包开放，但“自主执行任务”的能力依赖于医院现有的信息化水平，若医院 IT 基础设施薄弱，智能体的协同效果将大打折扣。因此，该结论主要适用于数据治理较好、具备一定算力基础的大型三甲医院，对于基层医疗机构或非规范化流程的科室，其落地效果可能存在差异。