2025年1月，當(dāng)DeepSeek橫空出世時(shí)，余浩興奮得幾乎忘記了春節(jié)長(zhǎng)假的快樂，一頭扎進(jìn)了對(duì)這款A(yù)I大模型的研究當(dāng)中。

作為北京大學(xué)首鋼醫(yī)院信息中心主任，余浩多年來持續(xù)探索醫(yī)院信息化升級(jí)。在醫(yī)療行業(yè)加速數(shù)字化轉(zhuǎn)型的當(dāng)下，他帶領(lǐng)團(tuán)隊(duì)在技術(shù)創(chuàng)新的道路上不斷突破，依托強(qiáng)大的信息化建設(shè)成果，「信用就醫(yī)」模式使北京大學(xué)首鋼醫(yī)院成為北京首個(gè)信用醫(yī)療的試點(diǎn)醫(yī)院。

在探索AI技術(shù)賦能醫(yī)療服務(wù)中，北京大學(xué)首鋼醫(yī)院研發(fā)了「AI醫(yī)生助手」，點(diǎn)擊「生成住院病歷小結(jié)」模塊，復(fù)制病歷內(nèi)容后，選擇「調(diào)用AI大模型」選項(xiàng)，一份出院小結(jié)便自動(dòng)生成。

這套系統(tǒng)由醫(yī)院技術(shù)團(tuán)隊(duì)依托DeepSeek開源軟件的功能，借助醫(yī)院內(nèi)搭建的服務(wù)器自主完善制作而成，已在智能問答、醫(yī)療知識(shí)檢索、文書報(bào)告錯(cuò)誤檢測(cè)、門診病歷自動(dòng)生成、疾病診斷編碼及住院病歷小結(jié)生成等多個(gè)場(chǎng)景應(yīng)用實(shí)踐，目前在修復(fù)重建科、全科醫(yī)學(xué)科、骨腫瘤等多個(gè)科室開展使用。在測(cè)試中，有一位醫(yī)生發(fā)出這樣的感嘆：這太有用了，減少病歷書寫的時(shí)間，就可以有更多時(shí)間跟患者面對(duì)面交流。

3月31日，余浩做客健康界ALL in AI Health創(chuàng)新應(yīng)用大講堂，帶來AI助手深入診療全鏈條的全景展示，并且就醫(yī)院信息中心建設(shè)等話題，與主持人展開深入探討。

本文精選部分內(nèi)容，供廣大同仁交流，歡迎在評(píng)論區(qū)留言。本期及過往直播回放可點(diǎn)擊下方圖片，加入醫(yī)項(xiàng)目即可觀看：

AI重構(gòu)診療全流程

這六個(gè)院內(nèi)場(chǎng)景見效大

健康界：請(qǐng)您從技術(shù)架構(gòu)和應(yīng)用成效的角度，介紹一下信息中心的核心建設(shè)成果？

余浩：最近幾年，北京大學(xué)首鋼醫(yī)院對(duì)信息化、智慧化的要求越來越高。在技術(shù)架構(gòu)方面，DeepSeek的出現(xiàn)為我們帶來了新的機(jī)遇。鑒于醫(yī)療數(shù)據(jù)的高度敏感性，在數(shù)據(jù)隱私和安全保護(hù)上，我們采用了本地化部署的方案。采購(gòu)了配備兩張4090顯卡、顯存48G的GPU進(jìn)行本地化部署，這樣能確保數(shù)據(jù)在院內(nèi)安全運(yùn)行，不被泄露。除了DeepSeek，我們還安裝了十幾款其他大模型，像Llama、Qwen等，目的是全面測(cè)試LLM技術(shù)在醫(yī)療場(chǎng)景中的適用性和能力邊界。

健康界：北京大學(xué)首鋼醫(yī)院已率先將人工智能引入醫(yī)療診斷，還邁出了創(chuàng)建AI醫(yī)生助手程序的第一步。接下來，請(qǐng)您通過六個(gè)典型場(chǎng)景，為我們展示AI如何重構(gòu)診療全流程。

余浩：這六個(gè)場(chǎng)景都是我們基于實(shí)際工作中的痛點(diǎn)和需求探索出來的。

第一個(gè)場(chǎng)景是科研數(shù)據(jù)結(jié)構(gòu)化。

在醫(yī)院科研工作中，基于病歷數(shù)據(jù)做研究是常有的事，但從非結(jié)構(gòu)化的病歷文本中抽取關(guān)鍵數(shù)據(jù)項(xiàng)，比如腫瘤病理分期，以往是個(gè)難題。雖然有相關(guān)技術(shù)，但可及性不好，大多時(shí)候還是靠醫(yī)生、助手或?qū)W生，人工對(duì)照病歷提取，效率很低。

現(xiàn)在，我們用DeepSeek的14B模型，通過編寫合適的提示詞，就能輕松提取這些數(shù)據(jù)。我們輸入一段病歷文本，模型很快就能給出「PT4N0M0」這樣的病理分期結(jié)果，還能提取腫瘤大小等數(shù)據(jù)，這大大提高了科研數(shù)據(jù)處理的效率。

第二個(gè)場(chǎng)景是醫(yī)療文書糾錯(cuò)。

比如放射科報(bào)告偶爾會(huì)出現(xiàn)左右部位寫錯(cuò)的情況，傳統(tǒng)的基于規(guī)則的糾錯(cuò)工具適應(yīng)面窄。我們利用大模型的推理能力來解決這個(gè)問題。比如模擬一份檢查申請(qǐng)是左腳踝，報(bào)告卻是右腳踝的情況，讓大模型檢查，14B及以上的模型能準(zhǔn)確發(fā)現(xiàn)「部位不一致錯(cuò)誤」，這為醫(yī)療文書質(zhì)量提供了有力保障。

第三個(gè)場(chǎng)景是門診病歷生成。

大醫(yī)院門診患者多，醫(yī)生留給每個(gè)患者的時(shí)間有限，既要問診又要記錄、開單子，很難完整書寫病歷。我們模擬醫(yī)生與患者對(duì)話后的文本，讓大模型生成病歷。像一段表述混亂的患者病情描述，大模型能按照門診病歷的結(jié)構(gòu)，生成主訴、現(xiàn)病史、既往史等內(nèi)容，還能規(guī)范血壓的表述并加上單位，不過最終還是要醫(yī)生確認(rèn)保存，AI起到輔助完善病歷的作用。

第四個(gè)場(chǎng)景是疾病診斷編碼。

我們把不帶診斷的病例描述輸入大模型，讓它給出ICD9或ICD10編碼。雖然目前給出的答案還不完美，但已經(jīng)具備了一定的能力，能為編碼員的工作提供支持。后續(xù)通過優(yōu)化問題表述、添加背景知識(shí)等方式，有望進(jìn)一步提高編碼的準(zhǔn)確性。

第五個(gè)場(chǎng)景是生成住院病歷小結(jié)。

寫一份符合質(zhì)量要求的住院病歷小結(jié)，醫(yī)生通常需要花費(fèi)十分鐘左右。而用大模型，輸入長(zhǎng)篇病歷表述，十幾秒就能生成一份像模像樣的出院小結(jié)，包含治療經(jīng)過、出院醫(yī)囑等內(nèi)容，提高了病歷整理的效率。

第六個(gè)場(chǎng)景是驅(qū)動(dòng)LLM主動(dòng)詢問問題。

一般都是用戶提出問題，LLM來回答，現(xiàn)在是反過來，LLM問問題，用戶來回答。我們實(shí)踐發(fā)現(xiàn)很多LLM具備多輪交互問答的能力，LLM的這種能力可以在預(yù)問診、流行病調(diào)查等需要提前采集病史的場(chǎng)景下使用，還可以對(duì)用戶給出的答案進(jìn)行合理性校驗(yàn)。

算力是制約AI應(yīng)用的關(guān)鍵因素

如何破解基層AI醫(yī)療發(fā)展難題？

主持人：AI技術(shù)在推動(dòng)優(yōu)質(zhì)醫(yī)療資源下沉?xí)r，如何解決基層醫(yī)療機(jī)構(gòu)算力不足的問題？

余浩：目前，北京大學(xué)首鋼醫(yī)院所輻射的4個(gè)社區(qū)在診療中還沒有正式開始使用AI技術(shù)，但在實(shí)踐過程中，我們已經(jīng)深刻體會(huì)到算力是制約AI應(yīng)用的關(guān)鍵因素。就拿我們自己來說，剛開始準(zhǔn)備實(shí)踐AI項(xiàng)目時(shí)，發(fā)現(xiàn)既沒有足夠的算力，也缺乏相關(guān)工程師，基本硬件條件都不具備，所以只能緊急采購(gòu)算力。

對(duì)于基層醫(yī)療機(jī)構(gòu)，算力未來應(yīng)該作為一種基礎(chǔ)服務(wù)來建設(shè)。在緊密型醫(yī)聯(lián)體模式下，我們可以構(gòu)建公用算力平臺(tái)，實(shí)現(xiàn)資源的集約化使用。這樣，各個(gè)基層醫(yī)療機(jī)構(gòu)無需單獨(dú)采購(gòu)昂貴的算力設(shè)備，避免資源浪費(fèi)，還能降低成本。

AI技術(shù)非常適合基層醫(yī)療場(chǎng)景，它能讓基層醫(yī)生和醫(yī)護(hù)人員便捷地獲得大模型技術(shù)的支持，提升基層醫(yī)療服務(wù)水平，實(shí)現(xiàn)科技平權(quán)。未來，我們計(jì)劃在社區(qū)推廣AI應(yīng)用時(shí)，統(tǒng)一提供算力服務(wù)，讓優(yōu)質(zhì)醫(yī)療資源借助AI技術(shù)更好地下沉到基層。

私有云部署是否可取？

患者隱私保護(hù)和數(shù)據(jù)安全不可少

主持人：AI融入診療全鏈條之后，如何保護(hù)患者隱私和數(shù)據(jù)安全？

余浩：醫(yī)療數(shù)據(jù)安全至關(guān)重要，是信息化建設(shè)和網(wǎng)絡(luò)安全工作的首要難題。

從技術(shù)選擇上，我更傾向于本地化部署。云部署雖然方便，但存在數(shù)據(jù)隱私風(fēng)險(xiǎn)，即使做了脫敏處理，把數(shù)據(jù)上傳到第三方云平臺(tái)還是有潛在隱患。

不過，也不能因?yàn)榘踩珕栴}就放棄新技術(shù)的嘗試。現(xiàn)在不少同行都在探索DeepSeek的本地化私有化部署，還有采用私有云部署的方式，這些都是在保障患者隱私的前提下，積極推動(dòng)AI技術(shù)在醫(yī)療領(lǐng)域應(yīng)用的探索。

同時(shí)，我們也要認(rèn)識(shí)到，大模型在處理醫(yī)療場(chǎng)景問題時(shí)，能力還需要逐步提升。目前，我們不敢完全依賴大模型做出醫(yī)療決策，只能把它作為參考。在實(shí)際應(yīng)用中，要由淺入深地推進(jìn)AI技術(shù)，先從文字書寫效率提升等低風(fēng)險(xiǎn)場(chǎng)景入手，逐漸積累經(jīng)驗(yàn)，確保醫(yī)療安全。

主持人：AI醫(yī)療還有哪些進(jìn)步的空間？

余浩：Deepseek在醫(yī)療領(lǐng)域的潛力巨大，遠(yuǎn)不止我們目前探索的這些場(chǎng)景。從醫(yī)療服務(wù)流程來看，未來AI有望實(shí)現(xiàn)全流程的智能化。比如在患者就醫(yī)前，通過智能問診系統(tǒng)初步了解患者病情，為患者提供就診建議和預(yù)約服務(wù)；就醫(yī)過程中，AI輔助醫(yī)生進(jìn)行更精準(zhǔn)的診斷和治療方案制定；就醫(yī)后，利用AI進(jìn)行患者康復(fù)跟蹤和健康管理。

在醫(yī)療研究方面，AI可以幫助我們挖掘海量醫(yī)療數(shù)據(jù)中的潛在規(guī)律，加速新藥研發(fā)進(jìn)程，探索疾病的發(fā)病機(jī)制。隨著技術(shù)的發(fā)展，AI模型的性能會(huì)不斷提升，對(duì)復(fù)雜疾病的診斷和治療支持也會(huì)更加精準(zhǔn)。

我相信再過幾年，AI技術(shù)在醫(yī)療領(lǐng)域會(huì)成為醫(yī)療工作中不可或缺的一部分，真正實(shí)現(xiàn)醫(yī)療服務(wù)的智能化變革。

文：李子君

來源：健康界