一、豆蔻妇科大模型是什么？

豆蔻妇科大模型由壹生检康（杭州）生命科技有限公司研发，基于Qwen底座模型，通过针对性合成症状数据、蒸馏训练及医学专家标注思维链（COT），依托高质量数据完成微调和强化训练。2025年7月，该模型以64.94分的成绩通过*妇产科卫生*职称（正高）笔试考试，超越GPT-5的52.59分，成为国内*达到主任级医师水平的垂直医疗模型。

其核心价值在于：

快速诊断：数秒内生成涵盖主诊断、鉴别诊断、检查建议及处置方案的专业报告；

全场景覆盖：支持从青春期到更年期的全生命周期健康管理，覆盖月经不调、异常出血等六大核心症状；

低成本普惠：通过“闺蜜医生”App等终端，让偏远地区用户享受*专家级服务。

二、核心背景：

行业痛点催生创新

传统医疗模式下，培养一名妇科专家需10-20年，而普通诊所的专业人才供需鸿沟持续扩大。壹生检康创始人王强宇指出：“医美机构渴望低成本拥有‘AI妇科医生’，用户需求也从表面美学延伸至深层健康问题。”在此背景下，豆蔻大模型以“AI+企业专用知识库”模式，通过定制智能体分析服务，让稀缺医生资源价值最大化。

钉钉生态的技术赋能

作为钉钉AI平台上*垂类专属大模型，豆蔻大模型依托钉钉企业专属AI平台，采用“*标注数据+定制化工具+*流程”的技术路径。钉钉CTO朱鸿透露，双方团队仅用一个月协作，便将模型准确率从77.1%提升至90.2%，单次训练时长从26小时缩短至7小时，验证了中小团队在专业平台上的快速迭代能力。

三、技术路线：

1. 数据工程：构建医疗级知识库

系统化清洗：剔除“男性诊断妊娠”等低质量数据，确保症状与诊断逻辑一致；

蒸馏校准：通过教师模型生成初始思维链（COT），再由医学专家人工校准，保障推理链条完整性；

迭代优化：采用“训练-评测-筛选-再训练”循环，持续纳入高质量样本，形成动态更新的知识库。

2. 训练方法：SFT+RL的协同进化

监督微调（SFT）：

*阶段：用1300条精标中文妇科数据训练基础模型，初始准确率达77.1%；

第二阶段：合成症状数据、重新蒸馏COT，筛选更高质量数据，最终将六大症状诊断准确率提升至90.2%。

强化学习（RL）：未来计划引入基于临床反馈的强化训练，进一步优化复杂病例处理能力。

3. 评测体系：双保险确保可靠性

自动化评测：通过智能规则引擎校验症状与诊断的逻辑合理性；

人工复审：医学专家团队对关键病例进行最终把关，确保输出符合临床规范。

四、主要功能：

1. 智能预问诊系统

症状勾选：用户通过对话框选择症状（如“灰黄色血性白带+尿频”），模型数秒内生成：

青春期适配：针对17岁患者，纳入“排卵障碍性出血”评估，形成多层级诊断网络。

2. 健康管理工具箱

体检规划：根据年龄、生育史推荐专项检查（如产后修复需做盆底肌评估）；

营养指导：提供内分泌调节饮食方案（如多囊卵巢综合征患者需低GI饮食）；

抗衰方案：结合生殖系统健康数据，推荐个性化护肤成分（如痤疮患者适用水杨酸）。

3. 行业赋能平台

医美机构支持：通过分析用户生理周期、激素水平，为产后修复、更年期皮肤管理提供数据驱动的方案；

医学生培训：模拟正高职称考试案例，辅助临床决策学习；

科研支持：为循证医学研究提供大规模结构化病例数据。

五、应用场景：

1. 职场女性的“健康管家”

上海某互联网公司员工李女士体验后表示：“以前挂专家号要等一周，现在用‘闺蜜医生’App，3分钟拿到报告，省下的时间多刷了笔试题，最终拿到3个Offer。”模型通过快速分流，减少非紧急病例对医疗资源的占用。

2. 偏远地区的“云端专家”

云南山区患者张女士因异常出血通过模型自诊，系统建议立即就医并推送最近三甲医院信息。当地医生反馈：“AI提供的鉴别诊断清单（如排除宫外孕）让我们少走很多弯路。”

3. 医美行业的“专业引擎”

杭州某医美机构引入豆蔻大模型后，客户满意度提升40%。院长指出：“AI能分析用户激素水平，推荐更*的光电治疗参数，比如多囊卵巢引发的痤疮需用1064nm激光而非传统IPL。”

六、未来发展：

豆蔻妇科大模型的成功，为医疗AI提供了可复制的范式：

技术深化：探索多模态输入（如超声影像+症状描述）的联合诊断；

场景拓展：与医疗机构合作开发产科、乳腺科等垂类模型；

生态共建：通过钉钉平台开放API，赋能更多中小企业构建专属AI应用。

正如浙江大学医学院附属妇产科医院专家所言：“这不是替代医生，而是让每个女性都拥有一个24小时在线的‘健康顾问’。”在AI与医疗深度融合的2025年，豆蔻妇科大模型正以技术温度，重新定义“专业健康服务”的标准。