Glass Health

Glass Health 是一款专为希望减少文档工作时间、将更多精力投入患者护理的医生、执业护士和医师助理打造的临床 AI 平台。该公司成立于 2021 年，由曾在 UCSF 和 Brigham and Women's Hospital 接受培训的内科医生 Dereck Paul（医学博士）与曾在 Modern Fertility 和 Plushcare 拥有医疗产品经验的工程师 Graham Ramsey 共同创立。最初，它只是一个用于整理诊断方法的医生笔记本，后于 2023 年转型为生成式 AI。截至 2026 年 5 月，Glass Health 已发布了五个主要的平台版本和一个公共开发者 API，累计月活跃用户超过 131,000 名，并与多家企业级医疗系统建立了合作伙伴关系。

该平台将大多数临床 AI 工具通常分开的两项功能结合在一起：患者就诊期间的环境记录，以及就诊前、中、后结构化的临床决策支持。核心功能包括：生成分为“最有可能（most likely）”、“扩展（expanded）”和“不容错过（can't miss）”类别的排序鉴别诊断；Consult 模式，可通过引用 3800 万篇同行评审文章和 154,000 份 FDA 批准的药物记录来回答临床问题；评估与计划（Assessment and Plan）生成器，用于生成以问题为导向的文档；基于 EHR 数据的病历摘要；以及全套文档模板（H&P 记录、日常进展记录、出院小结、患者宣教资料）。通过 SMART on FHIR 与 Epic、eClinicalWorks、athenahealth 和 Elation 实现 EHR 集成，可自动提取患者背景信息并将完成的记录推送回去，无需复制粘贴。公共 API 允许医疗保健开发者将 Glass 的临床推理功能嵌入到第三方应用程序中。

2026 年 5 月的 Glass Health 现状

Glass Health 的当前产品 Glass 5.5 最好被理解为一个围绕医生就诊过程的临床推理层，而不是一个旁置的辅助工具。当临床医生打开患者档案时，他们可以激活环境模式（ambient mode）：Glass 会在病史展开时进行倾听，在侧边栏不断完善鉴别诊断，标记“不容错过”的诊断（如肺栓塞、主动脉夹层、败血症），并实时建议后续病史问题和体检项目。就诊结束后，Glass 会生成结构化的 SOAP 记录或 A&P 文档，临床医生可对其进行编辑并直接推送到 EHR。

在就诊之外，临床医生将 Consult 模式用作临床搜索引擎：用自然语言提出临床问题，即可获得基于证据的答案，并附有对 NEJM、UpToDate 和原始文献的引用。Workspace 功能就像一个带标签页的临床笔记本，每个患者档案都在一个地方集中保存了就诊记录、生成的鉴别诊断、文档草稿和版本历史。2025 年中增加的 Deep Reasoning（深度推理）模式将平台的最大计算预算分配给复杂病例，以略微降低响应速度为代价，生成更长的证据综合和更细致的鉴别推理。

2025 年 2 月发布的 Glass 4.0 代表了该产品成熟度最明显的拐点。在 4.0 之前，Glass 运行在较窄的医学知识库上，多轮对话能力有限。4.0 版本增加了连续对话、高级推理，以及公司所称的医学文献覆盖率 275 倍的扩展，使其从一个鉴别诊断专家转变为更全面的临床 AI。随后在 2025 年 12 月发布的 Glass 5.0 带来了 EHR 连接、直接在 Glass 内创建患者档案以及用于病历背景的文件上传功能，首次将环境记录和 CDS（临床决策支持）工作流整合到一个统一的产品中。

Glass Health 与 OpenEvidence 和 Hippocratic AI 的定位对比

OpenEvidence 是临床决策支持方面最直接的竞争对手，但这两种工具通过不同的架构解决不同的问题。OpenEvidence 在 3500 万篇同行评审出版物上训练专业的医学语言模型，并与 NEJM、JAMA、the Cochrane Library、NCCN 和 Wiley 建立了官方内容合作伙伴关系。其设计强制执行无幻觉策略：当证据不足时，系统会拒绝回答，而不是生成听起来合理但缺乏支持的文本。它对经过验证的美国临床医生免费，由出版商合作伙伴关系而非医生订阅提供资金。代价是工作流集成：OpenEvidence 是一个在任务之间打开的问答工具；它不会倾听您的患者就诊过程，不会生成记录，并且截至 2026 年初，也不会将输出推送到 EHR（Sutter Health Epic 试点正在进行中，但尚未广泛提供）。

Glass Health 相对于 OpenEvidence 的优势在于原生就诊工作流。环境记录、实时鉴别诊断完善以及 EHR 推送/拉取意味着临床医生无需离开患者背景去查阅单独的工具。OpenEvidence 的优势在于证据深度和引用的严谨性。治疗简单急性症状的医生可能更喜欢 Glass 的速度和工作流连续性；而管理罕见疾病或复杂多药方案的医生可能更喜欢 OpenEvidence 的文献锚定。许多临床医生会将两者结合使用。

“Glass Health 使用的语言更简单，阅读起来容易得多。” - Farah Deshmukh MD MPH，Rethink Health MD Substack，2024

Hippocratic AI 完全在医疗 AI 的另一个领域运行，很少与 Glass Health 直接竞争。Glass 部署在临床医生工作站，而 Hippocratic AI 的 Polaris 架构（由监督主对话代理的专业模型群组成）专为面向患者的电话和视频交互而构建：预约准备、用药依从性提醒、出院后随访和健康教育脚本。Hippocratic AI 明确避开诊断任务；其核心价值主张是通过处理不需要执业临床医生参与的重复性患者沟通来减轻医疗人员配备负担。医疗系统可能会同时使用两者：Glass 用于医生就诊支持，Hippocratic AI 用于患者外联层。它们不可互相替代。

对于纯文档工作流，Abridge 和 Nabla 值得比较。两者都专注于环境记录，但没有 Glass 的临床决策支持层。Abridge 具有更深的 Epic 原生集成（它嵌入在 Epic 内部，而不是通过 FHIR 连接），这对于将 Epic 作为主要工作流界面的机构来说非常重要。Nabla 涵盖了更广泛的临床专科，并在欧洲拥有更强的监管足迹。Suki AI 同样处于环境文档领域，提供与 EHR 系统集成的语音驱动记录听写功能。

AI 在 Glass Health 内部的实际运作方式

Glass Health 并非运行普通的 GPT 套壳程序。该平台使用专有的临床 AI 模型（截至 2026 年初为 Glass 5.5），该模型针对涵盖医学知识回忆、多步诊断推理、幻觉检测、证据评估和结构化文档生成的九项临床准确性基准进行了评估。根据该公司的内部基准测试，在使用相同提示针对既定的外部临床 AI 评估数据集进行测量时，Glass 5.5 在这九项基准上优于 OpenAI、Anthropic 和 Google 的前沿模型。截至研究之日，这些声明[尚未得到独立第三方的验证]，尽管其方法涉及根据官方答案键进行评分的既定外部基准数据集。

检索架构针对精选的临床知识库使用 RAG（检索增强生成）。当医生输入患者摘要或提出临床问题时，Glass 会在生成响应之前检索经过医生验证的临床指南作为背景。创始人 Dereck Paul 在介绍该平台的 TechCrunch 采访中描述了这一点：“我们的 LLM 应用程序在生成输出时，会检索经过医生验证的临床指南作为 AI 背景。”Consult 功能的内联引用可追溯到文献语料库中的特定文章，尽管其引用界面不如 OpenEvidence 的点对源链接精细。

环境记录层在患者就诊期间处理实时音频，并随着对话的展开生成滚动的鉴别诊断，在披露新的病史要素时更新排序列表。该系统经过训练，能够区分具有临床意义的陈述与日常社交对话，并保持符合 HIPAA 标准的 PHI（受保护健康信息）处理，这要求涵盖实体签署业务伙伴协议（BAA）。

“Glass Health 彻底改变了我进行医学学习和临床决策的方式。” - Venance09，App Store 评论，引自 Clinical AI Report，2025

医生不断提出的摩擦点

在各项评论中，最一致的批评是 Glass Health 在针对单一系统的症状表现上表现良好，但在需要跨专科推理的复杂多系统病例中变得不够可靠。同时患有心脏、肾脏和肝脏疾病的患者会创造一个鉴别空间，需要跨领域权衡概率，而 Glass 的模型在处理这些问题时有时不如资深住院医师那样游刃有余。

定价结构给独立执业和小型诊所的医生带来了阻力。每月 20 美元的 Starter 计划涵盖的功能有限；每月 90 美元的 Pro 计划解锁了完整的环境记录和 CDS 堆栈；要与 Elation 进行 EHR 集成，则需要每月 200 美元的 Max 计划。对于从免费 OpenEvidence 账户转来的医生来说，在承诺订阅 Pro 层级之前，其价值主张需要具体的生产力证据。

EHR 集成虽然是一个真正的差异化优势，但在不同系统之间并不均衡。支持 Epic、eClinicalWorks、athenahealth 和 Elation，但使用 Cerner、Meditech 或较小 EHR 的医生没有原生集成，必须依赖手动复制粘贴。SMART on FHIR 方法符合标准，但取决于机构的 EHR 配置，而这因机构而异。

早期评论者指出缺乏药物剂量信息是一个重大缺陷，尽管 Glass 4.0 更新增加了 154,000 份 FDA 药物记录并扩大了药理学覆盖范围。之前的批评对于版本 1-3 是合理的；但对于当前的 Glass 来说已不太适用。

Glass Health 适合哪些人

Glass Health 最适合门诊医生和临床实习生，他们需要处理大量不同的症状表现，并需要结构化的诊断支架以及快速的文档记录。住院医师和专科研究员在系统性鉴别诊断生成中发现了特殊的价值，这在学习阶段强化了基于证据的推理，而不是模式匹配的直觉。无法负担企业级记录软件的独立执业者和小型诊所会发现 Pro 层级与专门的记录服务相比具有竞争力。

构建临床 AI 产品的医疗技术公司是通过开发者 API 实现的一个不断增长的用例。该 API 将 Glass 的核心临床推理（包括证据问答、患者数据摘要、鉴别诊断、治疗计划和文档生成）作为可调用端点公开，使较小的团队无需训练自己的医学模型即可嵌入临床级 AI。

如果主要需求仅仅是药理学深度（UpToDate 或 Epocrates 是更全面的药物参考），或者机构需要原生嵌入 Epic 内部且无需外部 API 调用的工具（Abridge 或 DAX Copilot 更好地满足该需求），亦或是临床工作流是患者周转时间不到一分钟的急诊医学（在快节奏的急诊就诊期间进行环境记录较难操作），请跳过 Glass Health。患者无法直接访问 Glass Health；它需要临床登录，并且不是为消费者健康查询而设计的。