醫療AI新高地：百川智能發佈M4 模型，實現“真人醫生”式主動問診

### 重點整理：Baichuan-M4 如何改寫醫療 AI 樣貌

百川智能與清華大學共同發布的 Baichuan-M4 醫療大模型，近期在 HealthBench 及其 Hard、Professional 兩個進階評測項目中拿下冠軍，表現甚至超越目前業界主流的通用大模型基準。不同於過往僅被動回答問題的醫療 AI，M4 最引人注目的突破在於「主動問診」的互動模式——它能像真人醫師一樣，根據病患描述的症狀進行推論、反問細節，進一步導向更精準的判斷，這項能力也讓它被視為醫療垂直領域的 AI 新高地。

### 背景脈絡：從「聊天機器人」到「臨床推理助手」的演化

過去，醫療領域導入大語言模型時，經常面臨「回答看似合理但缺乏醫療邏輯」的窘境，尤其在問診環節，AI 往往只針對單一句子給出答案，無法像醫師透過問診流程逐步釐清病情。百川智能與清華團隊正是看準這個痛點，將模型訓練聚焦於臨床思維鏈與專業知識庫的結合，讓 M4 具備類似「病史採集—鑑別診斷—建議處置」的推理能力。這項技術路徑讓醫療 AI 從單純的「資訊檢索工具」，躍升為能參與診斷流程的「輔助決策夥伴」。

### 可能影響：基層診所與遠距醫療將率先受惠

M4 的主動問診功能，對台灣目前分級醫療與遠距會診的發展尤其具有參考價值。當病患先在基層診所或居家使用 AI 問診系統時，M4 可以引導其補充關鍵症狀、用藥史與生活習慣，大幅減少因資訊不足而誤判的風險。對於人口老化、偏鄉醫療資源稀缺的地區，這類模型也能扮演「第一線智能分診」的角色，協助非專科醫師快速鎖定轉診方向。

### 產業競局：百川選擇垂直領域，挑戰通用模型霸權

值得注意的是，M4 在評測中勝過 GPT-5.5 這類通用大模型，顯示「專科化」策略正在改變 AI 競爭格局。過去業界普遍認為通用模型只要參數夠大、資料夠多，就能應付所有場景；但百川與清華的案例證明，針對醫療領域的臨床知識萃取與互動邏輯設計，反而能堆疊出更高實用性的競爭門檻。這也讓更多開發者重新思考：在醫療、法律、金融等高度專業領域，垂直專用模型或許比一味追求參數規模更有效率。

### 讀者可關注的後