5月23日，由中國醫院協會醫學人工智能專業委員會指導，北京大學醫學繼續教育學院（北京大學醫學部大健康國際研究院）主辦的第二屆醫療大模型（LaMMS）“創新與實踐”專題研討會于江蘇常州成功舉辦。

第二屆醫療大模型（LaMMS）“創新與實踐”專題研討會會議現場

本場大會邀請了常州市第一人民醫院、中國中醫科學院廣安門醫院、浙大醫學院附二院等醫院代表，北京大學醫學部、復旦大學計算機學院等科研院校代表，全診醫學、百度智能云等企業代表，就國內外醫療大模型前沿趨勢、應用實踐經驗和醫院服務AI智能化轉型等議題展開了深入交流和精彩的觀點碰撞。

會上，多項AI醫療創新成果呈現。同時，常州市第一人民醫院與常州大學、全診醫學聯合共建的“常州市全診大模型醫療人工智能工程研究中心”正式宣布成立。該中心聚焦醫療人工智能的研發應用，旨在推動診療效率提升和醫療資源優化，整合產學研資源，促進醫療智能化轉型發展。未來，三方將聯合將其建設為國內醫療AI技術的重要研發基地。

常州市全診大模型醫療人工智能工程研究中心成立儀式

01

服務醫生、賦能醫生、解決醫生實際需求

全診醫學讓醫生“回歸診療”

會后，動脈網對大會承辦方、常州市全診大模型醫療人工智能工程研究中心發起方之一——全診醫學的創始人薛翀進行了采訪。

長久以來，國內醫療健康產業面臨優質醫生稀缺的問題。背后原因，或與培訓體系有關，或與培養周期有關，但醫生出身的薛翀看待這一問題的視角，有些許不同。

在薛翀看來，當前醫院普遍面臨醫生資源供給不足的痛點，核心體現在兩類醫生群體上——初級醫生和高級醫生供給不足。

醫學院畢業生在規范化培訓過程中，通常被安排寫病歷等基礎工作。這導致初級醫生力量薄弱，無法有效分擔臨床任務，同時限制了他們快速成長的潛力。醫院缺乏足夠的初級醫生承接基礎工作，影響了高級醫生的效率釋放。

高級醫生（頂級專家）的培養則依賴大量病例訓練和臨床經驗積累，培養周期長，培訓成本高。全球范圍內普遍存在高級醫生供給不足的現狀。

而AI技術的應用則可有效解決上述難題：一方面，AI技術的應用能有效提升病歷書寫的效率和醫患溝通的效率，讓高級醫生專注于臨床決策、聚焦診療主業，助力初級醫生加速成長；另一方面，AI工具的應用創新了醫學教育范式，提升知識獲取效率的同時亦可通過模擬系統等，大幅提升住院醫師和?？漆t師臨床能力培養的效率。

據此，全診醫學在AI醫療領域的主要實踐均圍繞服務醫生、賦能醫生、解決醫生實際需求展開。全診醫學成立于2016年，是專注于提供醫療AI人工智能產品與信息技術服務的國家高新技術企業，其自主研發的全診醫學大模型AI服務平臺及產品，已在浙大醫學院附屬邵逸夫醫院、浙江省人民醫院、廣安門醫院、常州市第一人民醫院落地應用，并已服務1.5萬家基層醫療機構。

全診醫學創始人薛翀在第二屆醫療大模型（LaMMs)研討會上演講

02

推出智能電子病歷、數字人、隨訪機器人

提高病歷書寫、患者管理效率

如果說大模型、生成式AI等前沿科技在醫療領域應用的終極目標是提升醫療服務效率，使優質醫療資源普惠民眾，進一步推動我國衛生健康事業的高質量發展，那么，全診醫學無疑找到了其中的關鍵角色——醫生。

先來看全診醫學攜手常州市第一人民醫院在AI提高醫生工作效率方面的實踐，其一是病歷的書寫；其二是患者管理（含診前咨詢、預問診以及診后隨訪管理等）。

具體而言，病歷書寫根據場景需求細分為門診病歷的書寫和住院病歷的書寫兩個方面。在門診病歷方面，自2024年6月以來，經過包括語音模型的多輪迭代，在全診醫學的支持下，常州市第一人民醫院不僅實現了門診病歷的智能化書寫、語音智能轉寫病歷，還將智能病歷書寫的場景拓展至了互聯網醫療場景，生成內容包括既往史、個人史、診斷結果和處理建議等。

據常州市第一人民醫院院長周軍介紹，近一個月內，智能電子病歷已占當月全部病歷的25%，離實現30%的目標已然不遠。并且，在實際應用過程中，全診醫學也根據常州市第一人民醫院意見及江蘇省病歷書寫特點，多次迭代升級，優化使用體驗，確保醫生使用舒暢。

常州市第一人民醫院院長周軍分享智慧醫院建設實踐

而在住院病歷書寫方面，常州市第一人民醫院形成了規范化的電子病歷書寫體系，并能實現跨科室數據的收集，檢驗檢查、手術結果的匯總，并最終形成一份完整的住院病歷?！白?024年10月開始院內推行以來，這套體系的運轉日益成熟。這也讓我們看到了大規模推行的希望。”大會上，周軍如是說道。

至于患者管理方面，常州市第一人民醫院在全診醫學的技術支持下打造了AI數字人——常醫萬事通。該系統可為患者提供7X24小時的就醫咨詢服務、智慧導診服務以及隨訪管理服務以降低醫患溝通成本，提高醫患溝通效率。

其中，需要進一步說明的是，數智化隨訪管理的應用并不意味著醫生對患者管理完全置之不理，而是其能夠借助數智化工具，將部分重復性、無需人工干預的工作交由AI開展。如需人工干預，則醫生依舊會介入，參與服務。如此，便能在保障醫療質量、提高患者依從性的前提下減輕醫生工作負擔，提高醫生工作效率。

一臺搭載醫療大模型的“AI數字人”正在與患者對話

03

合助學、AI虛擬患者

強化知識學習，提高疑難罕見病診療能力

全診醫學與北京大學醫學部的合作，則主要圍繞醫學教育展開。

海量醫學知識的記憶對于大多數醫生而言都是痛苦的存在。因此，醫生白大褂的口袋往往較大，因為，除了需要塞進聽診器外，還需塞進口袋書以便日常翻閱。這，一方面引發了近年來一直推動AI革新醫學教育范式的北大醫學部的思考——AI 能否讓醫學資料變得比口袋書更便攜，能夠提高查找、翻閱資料的效率的同時還能時常喚醒知識記憶？

而另一方面，本就致力于服務醫生、賦能醫生、解決醫生實際需求的全診醫學，自然也以提升醫生能力、助力其高效掌握醫學知識為己任。于是，有共同目標的雙方，當即一拍即合，聯合開發了一款AI助學產品。

AI助學是一款將權威醫學書籍變為口袋電子書的產品，除日常翻閱外，這款產品還能夠高效檢索所需知識，并能夠針對醫生疑問進行系統性的答疑解惑。這意味著，憑借這款產品，醫生不僅能夠完成日常的閱讀學習，還能夠隨時向AI助學進行文字或語音提問，而AI助學不僅能夠給出精準回答，還能夠附上文獻和書籍的原文定位，讓醫生在獲知答案的同時也能知道答案來源，加強了醫生對AI工具的信任。

北京大學醫學部副主任段麗萍分享AI助學產品

而除AI助學外，北大醫學部副主任段麗萍還在會上分享了與全診醫學聯合開發的AI虛擬患者?；诿撁艉蟮囊呻y罕見病病歷，結合Prompt、RAG、Workflow等技術，全診醫學與北大醫學部構建了初版的疑難罕見病AI虛擬患者，不僅支持語音、文字等多模態的交互方式，還設置了學習、考核雙模式。

“在臨床實踐中，‘病例資源’不均的問題始終存在，尤其是近幾年國家大力推行分級診療制度的趨勢下，基層醫生以常見病診療為主，鮮少參與疑難罕見病診療。因此，其對于疑難罕見病的診療能力有所欠缺。并且，即使是一、二線城市大醫院的醫生，由于疑難罕見病發病率相對較低，其接觸到疑難罕見病病人的機會也相對較少，恐難以形成豐富的診療經驗?！倍嘻惼急硎?，AI虛擬患者可大幅提升住院醫師和?？漆t師臨床能力培養的效率，還可促進疑難罕見病醫學教育平權。

04

開設醫療大模型實操工作坊

助力醫生掌握模型訓練技能

除提高醫生工作效率，提升醫生診療能力外，醫生還有哪些未被滿足的需求？答案之一，與大模型等數智化技術在醫院的落地有關。

一方面，以大模型為代表的新一輪人工智能浪潮的興起讓醫療健康產業看見了解決諸多問題的希望，并紛紛主動投身其中，參與實踐；但另一方面，基于大模型構建智能體門檻較高，醫院復合型技術人才稀缺，使得許多醫院陷入了“有數據不敢用、有算力不會用”的困境之中。

工作坊現場，講師基于全診醫學大模型綜合服務平臺為學員講解監督微調原理

在此背景之下，北京大學醫學繼續教育學院聯合全診醫學產研及技術專家、復旦大學鄭驍慶團隊開設了《醫療大模型精調與智能體構建》工作坊，通過實戰指導和訓練，手把手教會學員訓練醫療大模型。

在學習醫療大模型基礎原理的基礎上，工作坊設置了分組實戰環節，每組在助教指導下完成包括模型監督微調、智能體構建等任務。

大模型訓練離不開數據、算力的支持。因此，為確保學員能夠充分掌握模型訓練技能并通過沉浸式的體驗獲得模型訓練樂趣，全診醫學除了提供培訓講師師資外，還為本次工作坊提供了從脫敏數據集到充足算力芯片再到預置平臺等全方位的支持，學員僅需一臺電腦便可上手實操。

工作坊現場學員合影

從與醫院合作提高醫生工作效率到與院校合作推動醫學教育創新，再到參與設立工作坊開展大模型實操培訓，全診醫學這些舉措的背后釋放了什么信號？文章的最后，我們謹以全診醫學創始人薛翀的解釋作為回答：“全診醫學所做的每一件事情，都是為了服務醫生、賦能醫生，滿足醫生的切實需求。這是全診醫學現階段以及未來都會堅守的初心。接下來，全診醫學還將憑借模型開發全流程工具鏈的技術優勢、醫療AI融合應用經驗和先發優勢，持續滿足醫生多元化的需求，進而推動醫療健康產業的高質量發展。”