据悉，今年4月15日，美年健康AI应用新产品——“健康小美”数智健管师开启内部试运行。通过这款产品，用户可以在上传个人生活习惯、运动情况等信息后，一键生成适配自己的健康管理计划；也可以基于个人健康数据、生活习惯、家族病史等获取专属的体检、预防方案。 

此前在今年1月，美年健康、华为云、润达医疗三方宣布合作打造“健康小美”。 

实际上，自2024年以来，“AI+医疗”在A股市场上就一直热度未减。今年恰逢美年健康成立20周年，在新阶段“All in AI”战略下，“健康小美”既是其20周岁的礼物，也可视为其构建AIGC新征程，打造大模型时代数字健康管理新范式的标杆产品。

20年新起点，“All in AI”

三年前，美年健康提出“All in 数字化”战略，至2024年已升级为“All in AI”——力争从预防医疗赛道的龙头企业升级为全方位全生命周期数智健康管理引领者。这其中，“健康小美”的研发上线是重要组成部分。这一产品不仅限于通过大数据分析、数字孪生等技术，为用户提供个性化体检、健康管理方案，以及预测潜在的健康问题、提供解决方案；还可辅助医生进行疾病诊断，提高诊断效率；同时还将持续关注、引进先进的健康科技，如可穿戴设备、无创检测技术等，将其应用到健康管理中，提高服务的科技含量和人文关怀。

“健康小美”上线可看作美年健康“All in AI”战略的关键节点。而回顾其20年的发展历程，可发现其构建AIGC大模型在转型之初就是锚定的。

美年健康成立于2004年，自成立至2018年以前，专注于基础网络建设与市场教育，并在2018年完成对中国内地的全覆盖，建立起“美年健康”“慈铭”“奥亚”“美兆”四大品牌矩阵，在商业模式上实现了从传统单一向多层次健康管理体系的转变。

也是在2018年前后，美年健康开始着手运用大数据和人工智能技术在疾病早筛领域开发创新，依靠品质和数据驱动产品、医质同步升级。如其在2017年已有肺结节AI辅助诊断类应用落地，此后几年又相继推出眼底AI、乳腺超声AI等应用，助力精准筛查，降低漏诊率，提高体检质量。

至2020年，美年健康提出打造全生命周期健康管理体系，由体检诊断向打造贯穿检前、检中、检后的服务闭环转型。换句话说，美年健康将自身市场空间由相对单一的体检场景拓展到了覆盖检前、检中、检后全生命周期的全部健康场景。 

2022年，美年健康正式上线扁鹊智能体检管理SAAS云平台。该平台可实现分时预约、快速登记、智慧导诊、数据实时互通、样本追踪、检查类异常结果自动上报等功能，全方位提升医疗质量、客户体验、院内效能和分院管理。

2023年，扁鹊系统在美年健康全国600余家体检中心普遍实施，极大提升了运营效率和客户体验。

同时，扁鹊系统也是美年健康数字化转型的重要载体。后者陆续推出的如“健康小美”等助力医疗诊断、健康管理的AI产品均在这一平台内落地，服务广大用户。

而放眼全行业，大模型正成为拉动经济增长的战略机会，医疗行业迎来AI驱动的变革。在宣布与华为云和润达医疗达成合作时，美年健康表示“健康小美”将逐步推广应用至集团旗下600余家体检中心，有助于推动“数智医疗”在美年体系内普及，加速实现优质医疗资源普惠全民。

AI“明星阵容”聚焦大市场

2022年，美年健康提出“三年打造新美年”的战略目标，数字化是关键之举。2024年既是美年健康成立的20周年，也是三年战略目标的收官之年。 

围绕三年目标，美年健康也在近年加快了数字化转型的步伐。

今年1月，其联合华为云、润达医疗打造的“健康小美”在三个月后火速上线；参与主办的第十二届中国创新创业大赛AIGC医疗健康专业赛同样在1月落幕。参与这项赛事，美年健康得以择优遴选AIGC及大模型领域创新项目，与优秀创业团队及参赛队伍合作推出更多AI产品。

作为国内预防医学领域的头部企业，美年健康构建了一个涵盖社会人口学、健康史、生活方式、体格检查、实验室检查以及影像学检查等方面的庞大个人健康数据宝库。这恰为大模型在医疗健康产业落地提供了数据基础，也成为用户实现慢性病管理、个体化精准预防策略的关键入口。

目前，每年在美年健康平台内进行体检、接受健管服务的用户有将近3000万人，同时其旗下还有6万多名专业医护及管理人员。深耕医疗健康20年，这部分数据和场景成为美年健康投身医疗大模型研发的优势资源。

此外，基于2020年开启的全生命周期转型，目前美年健康推出的业务覆盖检前、检中、检后全流程，这亦为其大模型应用落地后的测试、优化提供了全面的训练场景。

拉长时间线来看，自提出三年目标以来，“AI”一直是美年健康创新产品的首要标签，上述资源优势也助力其在此前就已推出多个“AI单品”，如肺结宁、脑睿佳、AI冠脉钙化积分检测项目、AI-MDT多学科专家智能健管系统等。

AI能为医疗进步带来的助力早已被多类应用验证。在疾病早期筛查阶段，AI能够通过分析大量影像数据识别微小异常变化，实现对疾病的早期发现和预防；在诊断阶段，基于对海量影像数据的深度学习，AI可辅助医生发现病变的细微特征，提高诊断准确率。这也进一步推动着AI医疗的迅速发展。