打開電腦上的“AI醫生助手”圖標，北京大學首鋼醫院全科醫學病房主治醫生王盼點開其中的“生成住院病例小結”模塊，將事先寫好的病例內容復制到系統上，點擊“調用AI大模型”選項，等待16秒后，一份出院小結便自動生成。

“以往我們寫一份住院小結要10分鐘左右，AI自動生成技術極大地提高了工作效率。”王盼說。

對從事20余年醫療信息化工作的北京大學首鋼醫院信息中心主任余浩來說，將人工智能引入醫療診斷，這個“AI醫生助手”程序已經邁出了第一步。“我們的技術團隊將DeepSeek-R1在醫療場景進行應用，輔助提升診療質量的同時，持續探索提升診療效率，減輕醫務工作者工作壓力。”余浩說。

2024年9月，北京大學首鋼醫院開始探索研究人工智能賦能診療工作。余浩說：“以前我們的智慧應用主要針對不同科室的需求進行碎片化點狀應用，經過半年的整體策劃，特別是DeepSeek問世后，進一步打開了我們通過AI助力醫院智慧轉型的思路。”

“AI醫生助手”便是該醫院智慧醫療平臺的名稱，其利用醫院自身的基礎平臺，實現數據信息院內有效流轉，不用擔心外租服務器或算力中心帶來的醫療信息外泄風險。

點開系統，一般問題、NLP數據項抽取、檢查報告錯誤、生成門診病歷、生成疾病診斷編碼、生成住院病歷小結幾個應用模塊已經投入試運行。余浩操作系統，點開NLP數據項抽取，將醫生撰寫的一段對腫瘤病人診斷文字輸入后，選擇腫瘤大小關鍵詞和相關特征描述后，系統便開始分析，用時僅9秒鐘，關于該病人腫瘤數據信息便被整理提取出來。

余浩解釋，這套系統并沒有依靠任何外部力量，只依托DeepSeek開源軟件的功能，借助醫院內搭建的服務器進行自主完善制作而成。他表示，醫院每天接待成百上千的病人，積累了大量基礎數據資源，這些數據通過人工智能實現整合與優化將成為未來醫院智慧建設重要的數字底座。

目前，“AI醫生助手”聚焦文字類應用場景，通過基礎數據集成，院內技術人員針對診斷需求進行代碼編寫，二者形成有機融合才能讓“AI醫生助手”更加貼合實際需求。為此，技術團隊在研發中充分聽取相關科室的需求和意見，并以此為基礎搭建系統架構，確保系統能用、好用、愿意用。

余浩說：“診療系統最大的特點是雖然診療結果固定，但病患情況存在診療差異，特別是同一病癥不同病程，不同病患同一疾病都存在個體差異性。特別是在病患較多的時段，高強度工作狀態下的醫生也有可能犯錯誤，‘AI醫生助手’通過智能糾錯功能在診斷送達患者前便可以進行篩查，將可能存在的隱患消除，確保為患者提供細致準確的診療結果和醫治建議，有效降低醫患糾紛。”

在王盼醫生看來，“AI醫生助手”確實為自己的工作減輕了壓力，她說：“新系統挺好用的，可以簡化許多繁瑣的工作，希望以后能盡快細化到我們工作的每一個末端，讓我們可以更好地服務患者。”

如今，這套“AI醫生助手”上線試運行后，在智能問答、醫療知識檢索、文書報告錯誤檢測、門診病歷自動生成、疾病診斷編碼及住院病歷小結生成等多個場景應用實踐，已經在該醫院修復重建科、全科醫學科、骨腫瘤等多個科室使用。

余浩認為，人工智能賦能醫院轉型發展才剛剛起步，醫療決策不能出錯，大模型技術與醫療場景結合需要一個逐步探索的過程，哪些場景下能用，哪些場景下需要額外關注什么，還有很多細節需要落實，需要大膽嘗試，小心求證，穩步推進。“除了向人工智能系統提問外，我們正在分析如何讓系統向我們提問，通過人機之間不斷地提問與回答，提高大模型和智慧系統與診療系統的契合度，同時依托應用端的反饋，不斷延伸系統外延，實現讓數據‘跑’起來，更好地服務于醫務工作者和廣大患者。”

文 ：首都建設報 謝峰

來源：首都建設報