来源 :迪安诊断2026-09-15
在医疗AI从单点应用走向平台化发展的背景下，如何将医疗专业能力、真实世界数据与AI能力真正融入临床工作流，正在成为市场关注的重要方向。
继2026年6月，迪安诊断与腾讯健康达成战略合作后，双方的合作进一步深化，聚焦临床科研场景与WorkBuddy生态融合，共同推进一站式AI for 临床科研平台落地。此次合作并非简单叠加产品能力，而是进一步探索客户连接、联合研发与生态协同，推动医疗专业能力与AI平台能力形成更深层次的融合。
从上架WorkBuddy、智能体协同到专业能力深耕，迪安诊断和腾讯健康正在从单一产品协作走向更深层次的能力协同。目前，一站式AI for 临床科研平台已积累近万名医生个人用户及近百家医院、科室的实际应用基础。本次合作，双方将依托既有客户与行业资源，持续拓展AI临床科研应用的触达范围，借助WorkBuddy等生态入口，让专业医疗科研能力触达更多机构和个人用户。双方还将通过联合研发推动医疗场景Know-how、数据能力与AI技术持续融合，让专业医疗智能体与通用AI平台发挥各自优势，进一步推动专业医疗AI从单一应用走向更广泛的场景。
平台设计的核心理念
临床科研真正的痛点，不是缺少单点AI工具，而是科研过程中长期存在数据分散、工具割裂、流程复杂、专业协作不足等问题，AI难以真正融入科研全流程。
基于Co-scientist“人机协同、任务驱动、智能编排”的核心思想，一站式AI for 临床科研平台以科研任务为中心，将专业知识、专病数据、AI智能体与科研工具统一连接，让科研人员从“寻找和操作工具”转向“提出问题、协同AI完成研究”，推动临床科研从工具辅助走向协作式、智能化、一体化新阶段。
平台的四个关键能力
1
Co-scientist架构：
从“工具集合”走向“一站式平台”
一站式AI for 临床科研平台首先解决的是“如何把科研工作真正串起来”的问题。平台采用Co-scientist联合科学家架构，以科研目标为牵引，将文献检索、课题设计、队列挖掘、统计分析、模型探索、文稿生成等能力统一协同起来。
科研人员只需提出研究目标，平台即可理解科研任务，按需调用AI能力、科研工具与数据资源，推动各环节连续衔接。该平台不是简单叠加多个科研工具，而是形成一个能够理解科研任务、组织专业能力并持续推进研究的统一科研空间，让AI从“科研助手”升级为贯穿全流程的联合科研伙伴。
2
多智能体协同：
从“放大个人”走向“放大团队”
平台构建人与人、人与智能体、智能体与智能体三种协作模式。科研人员可以借助AI快速完成文献整理、数据处理等重复性工作；也可以围绕同一课题共享研究方案、数据集和阶段成果；面对复杂科研任务，不同专业智能体还可以分别承担文献梳理、数据分析、统计建模、文稿撰写等工作，形成动态协同的虚拟科研团队。
3
Agent-Data Protocol：
让专病数据“找得到、用得起来”
围绕专病数据库，平台构建面向智能体的Agent-Data Protocol，打通临床、检验、影像等多模态数据，实现“发现数据集—分析数据集—形成洞察”的完整链路。这样一来，专病智能体能够在合规框架下按需检索和调用专病数据，自动完成病例队列筛选、数据提取及指标计算，让科研人员从大量手工整理数据的工作中解放出来，实现科研数据“找得到、用得起来”。
4
专业智能体矩阵：
从“通用AI”走向“懂专科的AI”
平台持续构建面向不同疾病和专业场景的专业智能体矩阵，将医疗知识、场景Know-how、专病数据库与AI能力深度融合。目前，面向血液病、肿瘤精准医疗、遗传病、蛋白质组学、微生物检验等方向，已形成MICM综合诊断、基因突变解读、蛋白解读、革兰氏染色AI等专业能力，让AI从“通用能力”进一步走向“懂专科、懂场景、懂科研”。
从科研任务编排、科研协作、数据智能调用，到专业智能体落地，平台以Co-scientist联合科学家架构为核心，贯通人与AI、人与人、智能体与智能体的协作，并以专病数据和Agent-Data Protocol为数据基础，持续构建专业智能体矩阵，形成覆盖临床科研全流程的一体化AI科研体系。
值得关注的是，WorkBuddy是目前国内用户规模最大的AI办公智能体之一，月活跃用户超过2000万，覆盖五十多个行业。这意味着迪安诊断的服务半径，不再局限于既有医疗机构客户，而有机会借助这一生态触达更广泛的科研机构、企业与健康服务场景——专业医疗AI的价值边界由此被重新划定。
这背后的意义并不只是新增一个AI产品，而是医疗专业能力、数据资产、AI智能体与平台生态开始形成新的连接方式。以临床科研为切入口，迪安诊断与腾讯健康正在共同探索一条从“数据—模型—智能体—平台—生态”持续演进的路径，也为医疗AI从单点工具走向平台化、生态化提供新的实践样本。