医院CIO群体的“DeepSeek焦虑症”，就这样被治愈

来源：HIT专家网      作者：李崇铭

突如其来、始料未及、打乱阵脚——春节期间，以DeepSeek为代表的AI浪潮，加快了医院数智化转型步伐，为医院CIO们带来了不小压力。“过了7天假期，之前精心制定的年度工作计划感觉全都白做了！”“一台软硬一体机100多万，完全不在预算内，怎么办？”

2025年4月12日，由广东省计算机信息网络安全协会指导、HIT专家网主办的“AI时代的医院信息技术应用创新培训会”在“玫瑰城”佛山举办。活动采用线下+线上方式同步进行，130多名医院信息化同行现场参会，线上观众超过1.3万人次，同时在线峰值超过700人。

从“背靠背”到“对答案”，这是一次关于医疗AI应用部署工作进度的深度交流，更是一剂释放心理压力、治愈“DeepSeek焦虑症”的良药。

活动由中山大学附属第一医院信息中心主任余俊蓉、南部战区总医院信息中心主任赵霞主持。

从“背靠背”到“对答案”

是压力，也是动力。面对DeepSeek浪潮的席卷而来，早已习惯了把应变作为常态的医院CIO们迅速厘清了头绪、稳住了阵脚。从参会嘉宾的分享来看，当前医院针对医疗AI的探索主要集中在三方面：

首先是围绕DeepSeek潜在的应用场景开展全方位调研。

医院信息或数智创新部门在深入学习大模型技术的同时，纷纷深入临床业务科室、行政管理部门倾听需求，为大模型最先可能落地的应用场景“摸底”，并做好算力、数据、系统接入等方面的准备。

复旦大学附属儿科医院信息与大数据中心主任葛小玲重点介绍了DeepSeek的应用场景与核心优势及其当前在国内医疗机构的部署情况。“我们希望基于调研结果，立足医院和各专科高质量发展需求，消解信息鸿沟、数字孤岛困境，建立支撑医院数智化发展统一平台。”

“AI为我们带来了支持临床科室学科建设的新途径。”上海交通大学医学院附属仁济医院信息中心主任郑涛介绍，以发展AI应用为契机，信息中心对医院全部科室进行了需求调研，在交流中碰撞出许多灵感“火花”。“在这一轮人工智能与行业应用的深度融合中，我们应充分发挥临床场景的牵引作用，在高速发展与深化应用的关键时期，面对机遇与挑战，汇聚多方力量，稳步推动发展。”

用户反馈也是需求调研的一部分。北京友谊医院医学数智创新中心办公室副主任王力华说，数智创新中心对用户部门进行了小范围调研，结果显示临床用户主要使用AI进行医学问题检索、辅助诊断、文本辅助生成等。“调研发现，用户对连续提问、提示词等还不够了解，我们可以从这些问题入手，帮助他们更好地使用AI。”

第二，为持续开展医疗AI应用营造环境。

即便本地化部署了大模型，医院迈向智能化的基础还是数据、算力。

3月31日正式揭牌的北京友谊医院医学数智创新中心，专注数智技术与医院业务的深度融合。王力华介绍，中心梳理了前期工作四大方向，包括：多模态大数据平台、科研全病种专病库、可信数据空间以及Deepseek大模型部署与开发等。其中既有对之前几年医院信息部门所做工作的继承，也有中心成立后对技术应用前沿的布局。

“推动AI应用，信息部门不能单兵作战。我们探索医疗AI的一项重要工作就是搭建平台，便于发挥临床科室的积极性和年轻医生的聪明才智。”郑涛认为医院要因地制宜拥抱新一轮医疗AI热潮。在摸清院内需求、前期科室主动与外部开展的AI创新应用的基础上，仁济医院信息中心着重开展AI环境的配套建设，统一布局院内算力资源分配、院内数据开放共享、合作企业联动开发，建设“算力、数据、合作”三大平台。

华中科技大学同济医学院附属同济医院大数据与人工智能办公室主任陈妍妍给出了借助五大平台建设，构建从数据要素到AI创新转化的“同济方案”。即通过构建医疗大数据平台、医疗数据加工平台、人工智能平台、数智化验证平台、AI产业转化平台，打通数据治理、流通与应用等价值创造路径。陈妍妍认为，多种模型、多模态数据整合是医疗人工智能的发展趋势，人工智能将带动医院信息系统从“信息化记录”升级为“智能化决策”。“而只有重构医疗数据价值链，才能真正赋能临床业务，使人工智能产品得以落地。”

第三，积极探索医疗AI的应用场景。

北京友谊医院采用“满血+云算力+国产架构”DeepSeek部署模式，上线了“友谊DeepSeek”AI助手。“日志分析显示，医生提出的问题95%都是医学相关的，超出了我们的预期，这说明医生很需要AI助手。”王力华说。

佛山市南海区人民医院院长关紫云介绍，南海人医早于2023年下半年开始进行人工智能在医疗领域的应用探索与研究，2024年正式开始将AI引入用户端、医生端和管理端，通过智能导诊、辅助生成、病历质控、智能随访等应用场景，实现就诊全流程智能化的应用与升级。同时，南海人医强调立足于院内训练，实现模型垂直专业化，“让模型更懂医疗”，构建出具有医院特色的人工智能化医疗团队。“借助人工智能，可以更好地发挥医院承上启下、赋能基层的作用，解决基层医生因病案缺乏广泛性、对病情判断经验不足等问题。”

“人工智能的实际应用，需融入场景化、个性化需求，精雕细琢。”北京世纪坛医院信息中心主任田宗梅介绍，医院基于大模型探索了一系列医疗AI“小”应用，如智能预问诊、智能科研助手、抗肿瘤药物用药推荐、智能办公、智能运营等。“对于新技术，还须冷静对待，做好基础算力模型规划。医疗AI应用需要日积月累，在一定程度上应接受多个智能体的并存。”

温州医科大学附属第二医院信息中心总监徐苗桑介绍了医院在AI智能医疗、智能服务方面的实践进展，包括多场景医生助理、为患者提供数字人指引等。“我们还在进一步探索病历草稿生成、VTE量表自动填写、自动报修等创新应用。”

首都儿科研究所附属儿童医院原医工处处长于雪梅以“合理用耗”为切入点，介绍了医疗耗材供应链风险管理及信息化建设应关注的重点。“应从供应链全流程、全角色分析风险点，并在相关信息系统建设中统筹规划、优化流程、合理设置内控点，同时关注数据安全，基于数据分析开展耗材精细化管理。值得关注的是，DeepSeek也可为智慧管理提供辅助决策，例如可为耗材不合理使用提供相对全面的分析指标。我们可借鉴其思路，但在细节上还需斟酌。”

积极应对医疗AI带来的挑战

医疗AI掀起热潮，相关安全、伦理和应用的挑战也接踵而至，其中如何守住人工智能的网络与数据安全底线备受关注。

田宗梅认为，当前医疗人工智能应用主要面临数据安全、数据质量、伦理问题和技术成熟度四大挑战，应采取数据不出院、脱敏交互、最小授权等方式保障患者隐私，制定人工智能应用规范，履行准入管理，确保患者安全。

“对于网络安全而言，准入系统是‘围墙’，态势感知系统是‘监控’。一旦发生网络安全事件，监控部署得再完善，更多的是起到追查作用，而常态化的系统防护才是保障安全的‘护城河’。”佛山市妇幼保健院信息总监马丽明表示，网络安全建设要分清轻重缓急，重点关注紧急且重要的工作，整改安全漏洞，规避安全风险，还要足够重视大模型技术可能引发的系统攻击隐患。

徐苗桑认为，引发AI热潮的DeepSeek本质上仍是大模型，其整体技术范式并没有颠覆，如何解决“模型幻觉”等问题有待深入探索。更重要的是，学人之“鱼”不如学人之“渔”，医疗信息化行业最应该关注的是如何用好DeepSeek，释放AI潜能。

“我们对AI浪潮要采取‘平衡’路径，将试点先行、伦理审查与持续培训相结合。”陈妍妍说。

“面对技术迭代和业务需求的双重压力，信息部门要成为‘既会、又会、还能’的多面手，兼顾信息化建设与应用创新。”葛小玲介绍，数智时代医院信息部门需从单纯的“技术支持者”转型为IT“战略规划者”，解析医院需求背后的难点，通过“医工交叉”人才培养、联合医校企共建等途径，以期成为医院核心竞争力构建的关键支点。

北京大学肿瘤医院信息部主任衡反修在会议总结中表示，医疗AI应用需要系统性规划设计，“这是一项有难度、有挑战的工作”。业务创新与信息化关系紧密，需要信息部门和业务部门紧密合作，如合作调研、征集有价值的场景应用，解决最为迫切的临床和管理问题。

为医疗机构拥抱AI浪潮提供方案支撑

本次活动由佛山移动、志凌海纳（SmartX）、天锐医健、中安网盾、中电科金仓、武汉默联、广州皓邦、广州红帆、山东华健等企业协办。

佛山移动教育医疗BU总经理张姝介绍了公司近期开展的“AI赋能医疗领航焕新行动计划”，包括医疗AI供需对接行动、医疗AI成果分享、依托中国移动“网络+算力+AI”夯实技术底座，打造可复制的医疗AI标杆等。

“虽然AI是当前医院关注的热潮，但IT基础架构的升级替换等问题仍是医院CIO需首要应对的现实挑战。而无论是支撑传统核心业务的国产替代，还是AI大模型等创新应用的落地，简化运维、降低成本都是医院CIO最为关注的IT基础架构转型要点。在此基础上，SmartX为医疗机构提供大模型与数据分析场景的解决方案支持。”志凌海纳SmartX首席营销官库依楠介绍，硬件成本过高、专业知识不足、算力难以获取、模型调优难度大、应用场景不清晰，这是医疗行业AI应用的五大挑战。“SmartX超融合架构可充分利用CPU性能，支持国产服务器+GPU硬件，帮助医疗机构搭建轻量AI基础架构，以更低成本构建影像数据与数据分析平台。”库依楠建议，医院不必过度追求部署满血模型，应着重关注知识库和RAG。

天锐医健副总经理袁毅威介绍了自然语言大模型训练体系构建与不同参数量、不同类别模型的差别，并总结了大模型在医院场景中的常见应用。为医疗AI的院内训练与应用实践筑牢安全基石，天锐医健提供的AI医疗解决方案采用实时对话监控、敏感词智能过滤、行为边界控制、人机双重审核等具有多重安全策略的核心功能。在AI辅助生成内容的使用方面，天锐医健强调“人机双重审核机制”，只有通过安全策略检查与医生复核双重审核的内容才会被采用。

在谈及人工智能与网络安全运营时，中安网盾技术总监周佐才强调了风险管理的核心地位。“人工智能技术的本质是工具，而安全事件的本质却是由资产的潜在风险转化而来。医院应当确保网络安全运营效果能够量化，借助AI技术增强暴露面监测能力，并助力流量检测告警降噪。AI技术可以成为提升网络安全运营效率的有力工具，尤其是在提升风险感知和响应速度方面。”中安网盾致力于帮助医疗行业用户打造网络安全“保护罩”，通过构建本地小模型联合云端大模型打造智能研判助手，将AI与传统安全措施相结合，确保安全措施有效落地，保障医院业务平稳运行。

电科金仓医疗行业解决方案经理郭宇介绍了金仓数据库针对NLP大模型“幻觉与知识短板”和数据安全两大问题的解决方案：借助建立私有向量化知识库实现RAG框架提升大模型辅助诊疗的专业性与稳定性、利用“免应用改造数据加密”能力实现低难度安全加固等，具有低成本、低难度、低影响、高灵活等优势。

正如郑涛主任所言：“事物发展是在曲折中前进，也许我们当前所做工作只是未来的一小步，但每一步都走在前进的路上。”葛小玲主任则由衷感到，这场活动就像是化解AI焦虑的“定心丸”。

一场聚焦医疗AI的培训会，不经意间起到了“纾解AI焦虑”的作用。这表明，在大模型技术创新浪潮席卷医疗行业的当下，将已达成的目标和潜在的挑战都摆出来、讲清楚，接下来医疗AI发展的步伐才会更加稳健有力。（嘉宾演讲内容整理、课件、视频后续将陆续登出，敬请关注）

【责任编辑：陈曦】