鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

ChatGPT上线健康专区!打通个人病历、运动数据,AI真成私人健康管家了

编程导航
编程导航
2026-01-08 23:51
阅读 121
编程导航
2026-01-08 23:51
阅读 121

智东西(公众号:zhidxcom)
编译 |  王欣逸
编辑 |  程茜

智东西1月8日消息,今天,OpenAI宣布推出ChatGPT健康,正式为ChatGPT添加“AI+医疗”功能。ChatGPT健康是ChatGPT内部的一个标签页,能让用户在安全、个性化的环境中询问健康相关问题。

ChatGPT上线健康专区!打通个人病历、运动数据,AI真成私人健康管家了

据OpenAI官方博客,ChatGPT健康由OpenAI和全球医生携手开发,旨在提供清晰、实用的健康信息。过去两年间OpenAI已与超过260名医生展开合作,围绕30个重点领域累计收集超过60万次针对模型输出的反馈,以持续优化其回答的专业性与适用性。

ChatGPT健康鼓励用户连接电子医疗记录,接入Apple健康、MyFitnessPal等各类健康营养应用,以提供专属的健康信息和建议。它能帮助用户分析化验结果、就诊结果和临床病史,为下一次就诊做好准备以及提供饮食运动建议。

不过,OpenAI在博客中特意提到,该功能并非用于诊断或治疗,但OpenAI也无法完全控制用户如何运用生成的信息。

目前,ChatGPT健康正在从早期测试用户开始逐步推广,用户需先申请加入候补名单以获取访问权限。随着功能不断完善,未来该产品将逐步向所有用户开放,且不限订阅等级。

一、可以保持自然交流方式、添加自定义指令,还能接入其他健康应用

据OpenAI自行披露的数据,在医疗服务相对匮乏的农村地区,用户平均每周会发出近60万条与健康相关的咨询,而ChatGPT上约七成的医疗类对话都发生在常规诊所营业时间之外。健康已成为ChatGPT最常见的使用场景之一,全球每周已有超过2.3亿人通过ChatGPT咨询健康与保健相关问题。

在Health功能中,用户依然保持ChatGPT的自然交流方式,可以上传照片、文件,并使用搜索、深度研究、语音模式或听写功能,还可以将电子医疗记录以及用于追踪健康的应用连接至ChatGPT健康。

ChatGPT上线健康专区!打通个人病历、运动数据,AI真成私人健康管家了

例如,用户可以连接健康软件MyFitnessPal和Weight Watchers获取饮食指导,连接苹果健康应用Apple Health以获取健康和健身数据,如运动、睡眠和活动模式,还可以连接Function以获取化验报告的解读。

除此之外,用户还可以在Health功能中添加自定义指令,告诉ChatGPT希望重点关注的内容、避免提及的敏感话题及调整恢复的呈现方式。

在医疗记录整合上,OpenAI宣布已与新加坡健康公司b.well建立合作关系。b.well与约220万家医疗服务提供商存在合作关系,本次与OpenAI的合作,b.well将为OpenAI用户上传医疗记录提供后端集成。

不过,电子健康记录(EHR)的整合功能及部分应用目前仅在美国可用,与Apple健康的连接则需使用iOS系统。

二、有心理健康和健康焦虑风险,系统能主动引导医疗介入

在官宣博客中,OpenAI似乎一直在避免提及心理健康的部分,仅以模糊表述提及这一内容,声称用户可通过定制Health产品指令来避免触及敏感话题。

在1月7日的记者简报会上,OpenAI应用首席执行官菲吉·西莫(Fidji Simo)回应ChatGPT健康是否会处理心理健康就诊记录并提供相关建议的问题,她提到:“心理健康无疑是整体健康的重要组成部分,我们观察到许多用户正通过ChatGPT进行心理健康对话。”

她进一步说明,ChatGPT健康能够处理包括心理健康在内的所有健康议题,当用户陷入困境时,系统将提供恰当的回应,并引导其联系专业医疗人员、亲友及其他社会支持资源。

ChatGPT健康还存在加剧健康焦虑(如疑似病症)的风险。当被问及OpenAI是否为此设置了防护机制,以防止这类用户在使用ChatGPT健康时陷入过度担忧的循环,西莫回应称:“我们已对模型进行了大量调整,确保在提供信息时既保持客观性又不引发不必要的恐慌。同时,如果对话中出现需要医疗介入的情况,系统会明确引导用户联系专业医疗体系寻求帮助。”

三、OpenAI数据安全存疑,不受美国HIPAA法案约束

在安全层面,OpenAI在简报中说明,ChatGPT健康将以独立空间的形式运行,通过增强隐私保护机制来保障敏感数据安全,并已部署多层专门设计的加密机制,不过该加密并非端到端类型。

根据默认设置,该健康产品内的对话内容不会用于训练基础模型;如果用户在常规ChatGPT中发起健康相关对话,系统会主动建议将回话转入Health板块,以获得更全面的额外保护。

尽管如此,OpenAI的安全表现并非无懈可击。2023年3月,OpenAI曾发生过一起巨大安全漏洞事故,部分用户可以异常访问到其他用户的对话标题、初始消息、姓名、邮箱地址及支付信息等。

OpenAI健康业务负责人内特·格罗斯(Nate Gross)称:“如果收到法院指令,OpenAI仍有义务在合法的司法程序要求及紧急情况下提供相关用户的数据访问权限。”

当被问及ChatGPT健康是否符合美国《健康保险携带和责任法案》(HIPAA)时,格罗斯明确回应:“对于面向消费者的产品,HIPAA在此场景并不适用,该法案主要针对临床或专业医疗场景。”

结语:OpenAI入局AI医疗,AI医疗赛道竞争激烈

AI医疗一直是生成式AI关注的领域,AI正重塑医疗流程,除了OpenAI外,国内的科技大厂也纷纷布局。上个月,蚂蚁集团将旗下AI健康应用“AQ”升级为“蚂蚁阿福”,并发布App新版本。

在这一全球竞赛中,ChatGPT健康面临的挑战也很清晰:一方面,ChatGPT如何激励用户分享敏感数据至系统中,并和用户之间建立起足够的信任;另一方面,OpenAI受现有法律和伦理框架的束缚,仍需厘清起自己在医疗生态中的位置。

来源:OpenAI、The Verge

原文链接: ChatGPT上线健康专区!打通个人病历、运动数据,AI真成私人健康管家了
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手