
新桥医院研发“肺部感染专病大模型”实战心得
构建“临床数据+指南知识”双驱动的高质量训练数据集。

构建“临床数据+指南知识”双驱动的高质量训练数据集。

覆盖AI症状问诊、医疗服务与随访管理等一体化专病闭环应用。

从高容错场景开始探索。

人工智能最该发力的领域,应是人类不愿投入精力的重复与繁琐环节。

应对数据隐私、算法偏见、模型可解释性等挑战。

下一代医疗IT系统的特质:未来HIS可能是大量智能体的存在。

请您来答:医疗行业的算力建设与应用模式应当怎么选?

MCP是通信协议,专注于为Agent提供外部数据和工具接口。

致力打造医疗信息化行业的“黄埔军校”。

不同医疗机构的病历书写规范、诊疗流程以及患者群体存在差异。

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。

部署医疗AI是一项复杂且意义深远的系统工程。

需要建立“有效提示词管理系统”,对提示词进行分类、存储和更新。

打造“本地预处理+DeepSeek深度研判+人机协同自动化处置”三段式智能安全体系。

不同阶段的人工智能技术在不同场景下各有优劣,应用其所长、避其所短。

应遵循“小场景、窄应用、深思考、重挖掘”的策略。

解决医疗场景中“读懂”患者需求和“适配”医生回答的难题。

助推中医的智能化传承、医疗资源普惠化。

大模型赋能CDSS,需要算法、算力的强力支撑,更需要技术与业务场景的深度融合。

在技术底座方面,华为面向医疗行业伙伴重点提供“八大武器”。

作为提升模型性能的重要技术手段,RAG和微调各有其独特优势和应用场景。

是否每个产品(系统)都需配备独立模型?产品与模型的数据资产如何存放?是否有必要打通并整合知识资产?

2025年《政府工作报告》首次明确提出“支持大模型广泛应用”。

期望医疗AI从外挂式、浅层次的应用,逐步发展为细粒度的深度融合。

避免陷入盲目追捧的“技术狂热”,时刻坚守医疗服务初心。

医院大模型的训练结果与医院自身的知识水平、业务和管理水平密切相关。

提示词工程的核心是收窄输入问题域。

解决了医院单独部署大模型的算力支撑、资金投入等问题。

成为医疗科研提质降本的数字基座。

所有模型参数、数据构造、多阶段模型训练、模型评测等核心代码都将公开。
最新评论
是的,这需要院内达成一致,领导层面须支持。
非常好,贴合工作实际,有学习借鉴意义。不少年轻人不愿意主动学习,主动思考,主动做事。一是不学习,无能力,二是跟风躺平,做多做少,收入差别不大。
是的
思路很重要,行动更重要
售后服务(治疗,诊疗后有疑问需要咨询医护人员)很好啊,医院应该提供这样的渠道并且不需要收费吧,除非你是土豪,个人觉得,咨询可以有,收费较难接受,利益分配好像也很难合理合规。