田宗梅：以小见大，医疗大模型应用需“精雕细琢”（附视频）

来源：HIT专家网      作者：李崇铭

“以小见大、以小促大，是总结当前已经落地的、未与临床数据深入紧密结合的小应用经验，为医院推进范围更大、程度更深的人工智能应用提供参考。”

2025年4月，在HIT专家网主办的“AI时代的医院信息技术应用创新培训会”上，北京世纪坛医院信息中心主任田宗梅介绍了医院在人工智能应用创新方面的探索与面临的挑战。

拥抱DeepSeek带来医疗AI新机遇

“《卫生健康行业人工智能应用场景参考指引》中介绍了‘人工智能+’在医疗领域创新应用的84个场景，卫生健康行业的持续探索将会挖掘出更多细分领域和场景。”田宗梅说，面对医疗人工智能浪潮，北京世纪坛医院已落地了一些场景应用，其中比较重要的是智能预问诊。

北京世纪坛医院的智能预问诊应用于2019年上线，患者在手机端填写的主诉现病史、既往史等表单内容可同步至电子病历，减少了医生的输入操作，部分科室认为效果很好，与信息中心一同推广。2024年，信息中心借AI之力，联合第三方合作伙伴升级智能预问诊应用。

“我们按专科、转病、专家的特点，根据初诊、复诊场景进行模型优化，向复诊患者询问时自动带入历史信息，改善问答质量，避免‘傻傻的’重复提问。”田宗梅介绍，预问诊系统与语音对话、OCR识别等AI功能相结合，自动整理和归纳患者信息，帮助医生快速创建结构化、准确的病历文档，减轻医生文书工作负担。该应用还能给出合理的诊断和治疗建议。

2025年，医院信息中心积极拥抱DeepSeek带来的医疗AI发展机遇，很快落地了一些轻量级的应用，如：

医疗智能助手。信息中心梳理医院可用的算力资源，由开发团队自主完成了系统和模型的搭建、API接口调试，用一个月的时间将DeepSeek嵌入医生工作站，并与病历、医嘱、检验检查报告融合互通，上线了北京世纪坛医院DeepSeek智能助手，提供常用提示词按钮，医生“点一点”就能完成病历数据的分析、结果输出。

抗肿瘤药用药推荐。信息中心结合院内病历信息、最新的抗肿瘤药研究进展以及院内药品信息，动态推荐用药方案，帮助医生获取复杂肿瘤病例治疗方案和创新药物的第一手信息。这个应用依赖外部数据更新，院外知识库的更新频率要保持在较高水平。

科研支持。医院梳理医生常咨询问题和科研指南等资料，建立“北京世纪坛医院特色知识库”，依托云端服务快速上线了医院科研智询平台。平台在科研问答、文献阅读工具的基础上，新增了基金项目问答、人类遗传资源和生物安全性问答、科技成果转化问答等AI工具。经医院科研处评估，平台在知识问答、文献总结等方面较之前的应用表现更好，显著提升科研效率，临床科室反响很好。

面向办公场景，信息中心尝试将院内近100份红头文件构建RAG向量库,并进行模型优化训练，实现院内管理规定、工作方案等政策条款的智能查询。

在运营管理方面，基于DeepSeek，通过运营数据中心构建向量模型，用户可通过手机端进行问答式数据查询；系统还可以自动进行运营情况分析，为医院管理者提供参考，满足日益精细化的管理需求。

求解大模型应用面临的难题

“这一轮大模型来袭，开展医疗AI应用创新的任务，大部分落到了医院信息中心身上。除了我们自己‘卷’起来，信息中心还要带动临床科室和职能科室，重视业务融合的价值。”田宗梅表示，在此过程中，算力、模型选择、场景规划与定义、业务引领与技术融合、数据质量与数据安全、伦理风险等问题，需要站在更宏观的层面寻找对策。

算力与模型选择规划，信息中心要做好基础设施规划，统筹设备与算力资源，必要时可统筹科研项目的算力资源或引入外部算力租赁服务。在模型选择上，也要做好规划，为上层的应用提供支撑，避免重复部署。模型选择过程要多做调研和验证，冷静选择，例如：DeepSeek在病历生成响应时间、格式和书写规范方面的表现不及部分垂直领域的医疗大模型产品。“同一个模型不会在每一个场景中都有最好表现。可进行多模型对比测试，按场景择优选用。”

向量库构建，是大部分医院人工智能应用的重要工作。医院底层数据结构设计、数据规范、数据质量等都是比较大的挑战，直接关系模型生成结果。在向量库构建过程中，向量化处理的工具选择也是“有讲究的”，“很多工具往往没有预期中那么智能，需要逐步调优，多花一些功夫”。

做好CDSS和大模型辅助应用的承接。近年医院在CDSS、病历内涵质控方面做了很多的工作，而医疗大模型的加入不意味着从头再来，应将应用场景中梳理出的规则融入大模型应用中。

在应用场景方面，田宗梅认为：“医疗大模型的实际应用，需融入场景化、个性化需求，精雕细琢。”例如，根据科室、病种、临床专家不同，对预问诊功能进行个性化定制，为不同就诊科室的患者提供不同的病情描述提示词，能够更准确地反映患者病情。

在业务引领和人工智能应用落地方面，信息中心要与其他科室充分沟通预期效果和目标，获得支持。“在预问诊应用推广时，妇科等科室给予了我们很大支持，录制了操作流程视频，护士会协助患者完成预问诊。”田宗梅介绍，预问诊项目在试点科室推广非常顺利，吸引了更多科室的关注。

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。《医疗机构部署DeepSeek专家共识》提到，部署医疗AI是一项复杂且意义深远的系统工程，需医疗业务、技术、法律、伦理等多个层面协同推进。田宗梅认为：“除了采取数据不出院、脱敏交互、最小授权等方式保障患者隐私，行业应出台医院人工智能应用管理办法，院内也应制定临床使用AI的操作规范，这一点对于划定边界、规避风险、厘清责任非常重要。”

“对于大模型这一新技术，医院信息部门还须冷静对待，做好基础设施、模型选择和系统方面的规划，让医疗大模型更好地贴合场景。”田宗梅认为，医疗AI应用需要日积月累。面向医疗行业的大模型应用，可采取多智能体并存的方式在各个业务场景应用。精雕细琢AI应用，需要医院“以小促大，积累经验；业务先行，技术护航。”

【精彩回顾】

复旦儿院葛小玲：理性看待AI浪潮下医院信息部门的机遇和挑战

仁济医院郑涛：因地制宜拥抱新一轮医疗AI热潮（附课件）

北京友谊医院王力华：医学数智创新中心“四招开新局”（附视频+课件）

于雪梅：如何借助信息化实现“合理用耗”？

【责任编辑：陈曦 版式：明超】