随着大数据的不断积累、计算能力的显著提升及算法技术的持续进步，医疗大模型正在为医疗行业带来前所未有的发展机遇。近期，Deepseek凭借卓越的性能和成本优势火遍全球，其在众多行业中都展现了巨大的应用潜力。特别是在医疗领域，各家医疗AI厂商纷纷宣布接入Deepseek，以期其能够在不同场景帮助患者、医生和管理人员在就医、诊断和治疗等过程中做出更科学的决策。
此前，CDSreport在汇总2024年国家及各省医疗大模型相关政策时发现，各地政策文件中提到了具体应用场景，为新一年医疗大模型的应用指出了方向。同时，众多医院和厂商的探索和实践亦证实了医疗大模型的重要作用。2024年11月，国家卫生健康委印发《卫生健康行业人工智能应用场景参考指引》（以下简称《参考指引》），从医疗服务管理、基层公卫服务、健康产业发展和医学教学科研四个领域指出了84个应用场景，以此推进卫生健康行业“人工智能+”应用创新发展。其中，有18个场景明确提出要利用大模型技术辅助医生规范化诊疗、提高临床诊治效率和质量。
这18个场景涉及医疗服务、中医药管理服务、健康管理服务、公共卫生服务、医用机器人以及教学科研，面向人群包括患者、医生、医院管理人员、教师和科研人员等。可以说，《参考指引》为医疗大模型的应用提供了详尽且具体的指导，不仅明确了医疗大模型在各个环节的具体作用，还强调了其在提升医疗服务质量和效率方面的重要性。具体应用场景的指出从侧面反映了对AI的需要，也为医院高质量发展提出了方向。参照政策的指引，医院管理人员有了实践抓手，医疗大模型产品也有了落脚点。大模型在医疗行业展现出了巨大的应用潜力，但其发展和落地仍存在诸多问题，这些问题严重制约了大模型在医疗领域的应用效果和进一步复制推广。中国信息通信研究院云大所数字健康部副主任任九选等发表的论文《人工智能大模型技术在医疗健康行业中的应用》提到了三个问题[1]：
- 部分大模型采用的训练数据质量欠佳。出于隐私保护考虑，医院提供的训练数据存在关键信息缺失、错误或者前后矛盾的情况；同时由于获取成本高昂、周期长等因素，问答对话数据、标注数据等已然比较匮乏。
- 计算资源不足。如高性能GPU和TPU等计算设备，不仅价格不菲，还增加了运维成本，尤其是在美国为遏制我国人工智能大模型产业发展，对我国禁售高性能算力服务器的背景下，国内市场高性能算力服务器供应短缺。
- 大模型训练和推理缺乏统一的标准及规范。不同机构和厂商的模型在数据格式、接口和评估指标等方面存在较大差异，影响了模型的互操作性和标准化推广。
针对上述问题，论文提出了三个解决方法：一是医院在规划信息系统时，提前考虑数据的规范化和标准化，并建立相应的数据质量控制规程，定期检查、评估数据质量；同时，可借助自动化工具和人工审核相结合的方法，督促提高数据的完整性和准确性。二是加大对高性能计算和人工智能芯片的研发投入，鼓励国内企业和研究机构开发自主可控的高性能计算芯片；同时加强人才培养，建立高水平的科研团队，提升我国在芯片设计及制造方面的能力。三是要凝聚医疗大模型生态各方共识，依托政府机构、行业协会等组织，开展课题研究、标准编制等基础性研究工作，统一接口标准，通过制定国家标准、行业标准形成行业共识。同时依照标准对医疗健康行业大模型开展测试评估工作，提高行业门槛，促进行业繁荣发展。
目前，各医疗机构、医疗AI厂商、研究机构、院校等单位都在积极推动大模型在医疗领域不同场景的深入应用，且涌现出越来越多的成功案例。以等级评审、“国考”和智慧医院建设等工作的重要基础——病历质量为例，惠每医疗大模型MaysonGPT在权威知识库和知识图谱的基础上，通过私有化脱敏医疗数据的训练和微调，使其具备了理解诊疗工作和病历书写逻辑的能力。通过与临床决策支持系统（CDSS）的深度融合，惠每医疗大模型MaysonGPT能够深入病历质量管理体系的各个环节，辅助医务人员完成高质量病历。例如，在临床端，其能够辅助医生找出病历的完整性、一致性和逻辑性等问题，并给出修改意见，以此提升病历内涵质量。同时，MaysonGPT还能够自动生成病历相应文书供医生参考使用，防止出现不合理复制病历、关键信息遗漏等问题。遇到疑问或需要进一步剖析问题时，MaysonGPT能够充当专家的角色，与临床医生以对话的方式深入了解病历问题。相较于通用大模型和众多医疗大模型，MaysonGPT具有更专业、更落地和更安全的优势。实际应用中，其不仅显著提升了临床医生书写病历的效率和质量，也进一步提升了医院管理效果。例如，在广西某三甲医院，MaysonGPT的病历内涵质控触发准确率均在90%以上，能够精准找出病历内涵问题，并辅助医生修改，医生病历书写效率也提升了2-4倍。山东省某三甲医院从2023年4月开始探索使用惠每病历质控系统提升质控效率，并于2024年7月升级到大模型版本。系统上线前，医院病历质控工作主要依赖人工对少量终末病历进行抽查，上线系统后所有病历先经过大模型进行100%质控，在此基础上再由人工进行复核。在质控人员无增加的情况下，该院所有住院病历人工质控覆盖率从10%提升到70%～80%，工作效率提升了6-7倍，多项病历质控监测指标显著提升。（更多大模型病历内涵质控案例可点击此处查看）目前，惠每医疗大模型MaysonGPT正在接入Deepseek，进一步提升了效率和准确率。随着更多成功应用案例的逐步涌现，相信2025年医疗大模型应用场景将更加聚焦，并将在提升医疗质量和效率，以及推动医院高质量发展中发挥重要作用。[1]任九选,张卓然,相识,等.人工智能大模型技术在医疗健康行业中的应用[J].通信世界,2025,(01):42-44.DOI:10.13571/j.cnki.cww.2025.01.023.
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
