大模型变革医疗场景只是开端，还将重构医院IT架构（附视频+课件）

来源：HIT专家网      作者：龚晨

5月25日，由HIT专家网学苑主办的“2025年医院人工智能应用专题培训班”在北京举办。本次培训吸引了近60名第五期、第六期医院信息中心主任能力培训班学员与医疗机构信息部门负责人线下参会，同时线上直播观众接近5000人次。

大模型驱动医疗AI应用创新，先行者跑出加速度

2025年2月6日，上海市第四人民医院启动DeepSeek院内本地化部署工作；2月12日，完成DeepSeek-R1 32B本地安装、知识库环境配置；2月15日，第一个院内知识库完成数据清洗、导入工作并正式上线；3月24日，“关键患者精准追踪系统”正式上线。

上海市第四人民医院信息管理部部长王志勇介绍，通过开发患者追踪智能体，筛选需要追踪的患者，通过短信方式提醒，为患者提供复诊科室、医生和复诊日期等信息，确保患者的最佳治疗效果。除此之外，医院还探索了住院病历生成（含质控）等AI应用，并正在研发“AI急诊哨兵”。

“这一轮技术升级，让医院整体受益。”王志勇认为，对于医院而言，AI赋能提升诊疗效率、降低误诊率、优化管理流程、实现医疗质量与运营效率双提升；对于医生和患者而言，都能受益于精准诊断与个性化服务；医院信息部门更是获得了难得的技术升级契机。

王志勇认为，医疗AI的落地，需要建立“目标驱动、多方配合”的组织形式，临床科室、职能科室、技术厂商要密切配合，其中需要既懂临床又懂IT的牵头人。知识库统一管理工具尤为重要，不能让知识库成为新型“数据孤岛”。医院要统建算力中心（政府支持）和全科知识库，而专科知识库应由科室主导建设，AI的输出结果一定要标注知识的来源和创建人，“谁提供的知识，谁对AI的输出结果负责”。在场景选择方面，相对低风险且容错率高的场景（如患者追踪）应先行，摸索出经验后再持续优化知识库与工作流，以适配高风险场景（如诊疗决策）的复杂需求。

2月20日，北京友谊医院成功部署全尺寸DeepSeek-R1模型，通过专线支持多项院内业务开展，2月27日起面向全院发布AI助手——友谊DeepSeek，并通过全院用户调查等方式，对DeepSeek的应用效果开展量化评估。

“从技术原理上来说，大模型的幻觉是不可避免的。”北京友谊医院医学数智创新中心办公室副主任王力华从大模型幻觉的成因、医疗场景中的幻觉表现、现有应对方法等角度展开探讨，建议借助引入医疗专业知识库、引入“二次训练+知识图谱”模型优化技术、构建医生-AI协同决策框架等手段，通过技术改进、流程重构和制度约束，综合治理幻觉问题，在推动医疗AI创新的同时，确保其安全性和可靠性。

主持人、高博医疗集团首席信息顾问陈金雄认为，此轮以DeepSeek为代表的人工智能浪潮具有能力升级、范式升级、交互变革、技术平权等显著特点，为医疗行业创造了智能化变革升级的有利契机。

大模型将重构医院IT架构，标准化与安全成核心命题

“大模型给医学AI带来了本质改变，同时也给医院信息系统的外在功能和内在架构带来重大影响。”解放军总医院医学大数据中心原主任薛万国从系统的功能能力、功能形态、集成模式、数据架构、基础设施5个方面，深入探讨了大模型对医院IT系统架构的影响。

薛万国认为，大模型极大地降低了智能化门槛，简化了原有功能的开发实现，有助于医院信息系统的功能重构，可重构的典型应用包括CDSS、病历质控、患者智能分诊、临床科研平台病历结构化等。而大模型所具备的突出的对话能力，使得用户交互能力有了新突破，利于激发新的应用场景，实现从“人适应软件”到“软件理解人”的跨越，并带动软件设计的重大改变。

薛万国指出，现阶段，传统的AI功能多以外挂形式出现，不同任务需调用不同的接口和AI模块；未来，应用系统或智能体可直接调用大模型，以自然语言作为接口语言，通过提示词指引不同类型的任务。由于不同的应用系统绑定了不同的大模型、智能体，为此，建议医院信息部门从一开始就要重视标准化接口工作，不然将重蹈异构系统的覆辙。展望未来，智能化应用对数据的整合度要求很高，临床数据中心（数据中台）和AI中台将成为医院信息系统的基本构件，“知识库会成为医院未来的基础设施”；医院IT基础设施面临新挑战，要特别关注机房供电散热等问题。

“虽然在CDSS中应用人工智能是当前很受行业关注的内容，但AI只是CDSS应用的技术方法之一，我们不能因此偏废那些非AI的部分，特别是规则与知识库。”北京清华长庚医院信息部原主任刘海一谈到，规则与知识库是CDSS的核心，主要有三种类型：基于确定规则推理的决策、基于文献知识和业务规范的决策、基于数据学习生成模型的决策。其中，将大语言模型用于决策支持是基于数据生成模型的方法之一，通常是利用大量文本数据训练得到模型，也就是决策的规则，然后利用这些模型进行决策判断。因此判断结果的可靠性与训练用的数据有很大的相关性，而且这种判断过程往往是不可解释的。

“医院应用临床决策支持系统，就必须对应用后的结果负责，需要采取具体措施来保障医疗安全和质量。”刘海一强调：医疗中任何新技术的应用，都必须以质量和安全为底线；应用CDSS需要有相应的安全和质量管理措施，针对AI技术的应用也需有相应的安全管理措施。比如：在应用CDSS前，明确CDSS的适用对象与应用范围，通过审核决策规则和知识内容来保障CDSS中知识的正确性，及时更新知识库保持系统中应用新的知识和经验；在应用过程中，要持续评估CDSS的应用效果，及时采集、分析与处理应用中的不良事件。在CDSS中应用AI，应特别明确其适用和限制条件，加强透明性与可解释性。

场景理解决定医疗AI的价值边界

广州天锐医健信息科技有限公司副总经理袁毅威介绍了天锐医健为医院用户提供从训练到应用的“医疗AI全科训练营”，提升模型部署与训练效率，帮助医院在不同的应用场景应用不同的专业模型解决问题。在AI应用安全方面，天锐医健强调“人机双重审核机制”，为院内训练与应用实践筑牢安全基石。

陈金雄主任认为，在全行业一段时间的探索实践后，大模型在医疗行业的应用边界，将变得越来越清晰；大模型在医疗行业的价值体现，关键还在于对应用场景的理解与选择上。

 “如何选择模型厂商和应用厂商？”“在医院‘十五五规划’中如何体现人工智能？”“尚未实施医疗AI应用的医院，可从哪些投资小、见效快的应用场景切入？”“模型替换是否必然伴随着训练微调的重复？”在研讨环节，与会嘉宾就此展开热烈讨论。

关于规划问题，与会专家认为，首先要认识到大模型不是无所不能的，其能力边界将很快显现。“医院信息部门在做规划时，看准了的单一应用可以做，问题不大；基础性的投入，可以再等等”。其次，在规划应用建设时，应根据医院自身实际情况（如资金投入、算力资源、用户需求等）进行排序，“有效率、有结果”的应用优先建设。第三，坚持规划的整体性、系统性，信息化建设始终要以服务业务发展为第一原则。

关于场景选择问题，与会专家给出如下建议：优先选择医院管理者最为关心的问题，比如“患者追踪”解决的是院长们最为关心的门诊量问题；注意甄别低频场景和高频场景，建议选择实时性不太强、不用当场出结果的场景，以控制风险、提升质量；对医疗AI需求强烈、对信息部门支持配合度高的业务科室，可优先支持。

本次会议得到中国惠普、天锐医健、戴尔科技集团、护加加、Odin等企业的大力支持。其中，中国惠普有限公司行业大客户经理朱金伟分享了惠普借助AI技术，在智能打印、文档流程智能处理、个性化打印等方面的创新实践。

“改变刚刚开始。”正如薛万国主任所言，在行业聚焦大模型能力的同时，更需洞察技术背后的变革逻辑，以主动应变的姿态拥抱医疗AI的深层重构。

【课件分享】

【责任编辑：陈曦】