![]()
![]()
“如果我们还没意识到大模型带给医院的无限潜力，那么医院之间的差距也将越来越大”，这是在2024年11月8日四川省卫生健康信息技术交流大会上胡军对于大模型在医疗场景中的应用的开场白。
在数字化与智能化并行的今天，人工智能（AI）已成为推动各行各业发展的重要力量。特别是在医疗领域，随着大模型时代的到来，AI技术正逐步渗透并深刻改变着传统的医疗服务模式。进入大模型时代不是一蹴而就的。从最初的机器学习时代，到深度学习时代，再到如今的大模型时代，AI技术不断突破自身的局限性，展现出越来越强大的推理与学习能力。大模型还能通过预训练、微调等手段，快速适应不同的应用场景。![]()
在大模型时代，通用大模型与垂直大模型成为了两种主要的发展方向。通用大模型，如ChatGPT、文心一言等，主要聚焦于广泛的行业和领域，注重通用性领域的训练和理解，成为名副其实的“万金油”型AI。而垂直大模型则更加注重对特定行业的深度挖掘和应用，属于“专家型”。它们基于专业领域的数据与知识进行深度的学习和训练，实现业务场景的深入融合。在医疗领域，垂直大模型能够深度融合到医生的工作场景中，为医护、患者和管理者提供智能化的辅助。胡军说，“人工智能一定要应用到具体的业务场景中才具有生产力”。医疗垂直领域的大模型具有小而专的特点，这正是因为它小而专，所以它才能更精。这种小而专的特点主要体现在两个方面：一是从医疗行业领域来讲，聚焦的是医疗行业这个特定领域；二是从医院的业务领域来讲，关注的是具体的专科业务和具体场景。他在大模型部署方面介绍到，大模型提供私有部署方式，指出在人工智能实验室训练好的大模型要发挥真正的价值，一定要应用到医院的实际场景中去，并举例说好比医生在医学院校学习完了之后需要把技术应用到实际的工作中去才有价值一样。
胡军在分享中详细阐述了AI技术在医、患、管三个角色中的应用场景。在临床服务方面，列举了病历的记录和生成。过去临床医生书写的病历往往依赖于手工完成，效率低下且容易出错。而通过大模型的训练，系统可以自动结合患者诊疗数据和前后文的内容，实现病历的自动联想补充。这不仅能够提高病历的书写效率，还能确保病历的准确性和完整性。胡军回忆道，“10年前有医生问过我一个问题，写病历能不能自动生成，智能化一点，当时觉得这是不可想的”。如今，这一愿景已成为现实。在患者服务方面，列举了智能化问诊。在院前、院中、院后等各个环节，AI系统都能为患者提供智能化的问诊、导诊服务。将物理空间的对话情景搬到数字空间，实现基于互联网平台完成数字医生和患者的交互问答，系统能够自动为患者提供诊前检验检查、智能问答等功能。这不仅提高了患者的就医体验，还节省了患者的时间和精力。在智慧管理方面，列举了运营数据分析与优化。基于大模型的AI系统能够对医院的运营数据进行智能化的分析，形成智能化的运营分析报告。这能够帮助管理者更加直观地了解医院的运营状况，发现问题并采取相应的措施进行改进。这种智能化体现在“它有数据、有原因、有结果、有问题、有整改措施”，运营决策的智能化“不是让院领导做分析，而是让院领导做决定”。![]()
在谈到知识驱动临床诊疗的时候，将这个过程分为了三个阶段，包括知识库、基于规则体系的临床辅助决策、大模型生成式人工智能。基于规则体系的辅助决策和大模型的本质区别在于有规则就有智能，没规则就没智能，大模型提高了语言的理解和生成能力。这种变革是革命性的，将深刻改变临床医生的诊疗模式和决策方式，真正要软件认知医疗。并总结道，大模型或许是临床医生诊断的又一马车，从而和临床经验、辅助检查形成"三驾马车"。在实际的应用效果方面，进一步通过实际的建设效果详细阐述了大模型在各个方面所带来的改进和提升。在病历书写方面，分享了将口语化的病历记录转化为结构化的病历是语音病历的关键问题。通过大模型的训练，系统能够自动进行语义识别、内容提取和结构化处理，最终形成结构化的病历文书。这不仅提高了病历的书写效率和质量，还为后续的病历质控和数据分析提供了便利。在病历质控方面，传统的质控方式大多基于规则体系进行抽查质控。然而，这种方式往往存在质控存在两方面问题，一方面是深度不够，另一方面是广度不足的问题。基于大模型的病历质控系统则充分发挥了其推理和理解能力，确保病历的准确性和完整性。并总结说，基于规则体系的质控和大模型质控的区别是规则体系是枚举和穷举，大模型是主动推理，这是他们本质的区别。规则体系的特点就是有规则就有质控，没规则就没质控。在影像诊断方面，基于大模型的AI系统也展现出了强大的应用能力。并指出人工智能在医疗场景中的三个方面：影像、语音和自然语言处理。通过影像的智能诊断和大模型的结合，自动完成对病灶、大小、结节、密度、长度等指标的智能化分析，并结合影像表现输出报告所见、诊断和建议等，极大的提高影像诊断效率和质量。面对体检人群千人千面的复杂性与多样性，每位个体的体检指标都如同独一无二的指纹，对总检医生的专业判断提出了极高的要求，它不同于门诊和住院病人有着明确的诊断方面。在体检人群中潜藏这健康人群和非健康人群，要准确的识别潜在疾病风险的人群这个要求很高，通过大模型可以精准识别潜在的健康风险与疾病，为体检者绘制一幅详尽的健康全貌图。尤为值得一提的是，大模型在院感管理中的应用同样展现出了巨大的潜力。相较于传统依赖知识库和规则体系的监测方式，大模型能够更全面地采集数据，精准识别风险点和疑似感染案例，并提供判断依据，为院感管理提供了强有力的智能支持。这种智能化的转变，有效解决了数据采集不到位、不准确以及疑似感染缺乏智能诊断的难题，使得院感防控更加高效、精准。此外，还介绍了数字孪生技术、3D建模与大模型技术结合在医院监管控方面的创新应用。通过智慧医院平台，医院能够实现实时监控与预警分析，无论是院感情况还是门诊运营效率，都能得到智能化的监控与预测。例如，结合科室候诊人次、就诊人次、就诊时长、等待时长等数据，平台能预测科室计划完成看诊时间，并提前发出预警，指导门诊医生加快看诊速度，调配住院医生资源，甚至增开诊间，从而有效优化医疗资源配置，提升患者就医体验。
（1）首先，生成式AI正逐步重塑各行各业的价值链，通过不断预训练、学习、微调与对齐，将在垂直领域内创造新的价值。（2）其次，人工智能的发展离不开算力、数据和场景三大要素，特别是垂直领域的私有数据，是医疗垂直领域最宝贵的资源，现在这些资源很多还在医生头脑中，各个医院系统中，数据获取困难。（3）最后，他指出，在医疗领域，丰富的专业数据与应用场景为生成式AI提供了广阔的舞台，未来必将有更大的发展空间。![]()
在最后，以一句总结性的话语作为结束语：“大模型不是知识的拷贝、复制，而是知识的理解，它具备无中生有的能力。”这句话不仅概括了大模型技术的核心优势，也预示着在生成式AI的推动下，医疗行业乃至整个社会都将迎来一场深刻的变革，开启一个充满无限可能的新时代。![]()
![]()
本公众号注明原创的内容
1.本公众号注明【原创】的内容权利属于本服务或本服务权利人所有，所有观点仅代表个人见解，不代表任何单位或组织。我们尊重作者原创，深知转载目的是为了更好的传递、分享行业信息，因此除特别申明外，欢迎您非商业转载，并请您注明作品出处。
2.本公众号标注为【转载】的部分内容来自互联网，版权归原作者所有，仅供学习参考之用，禁止用于商业用途，如无意中侵犯了哪个媒体、公司 、企业或个人等的知识产权，请联系删除，本公众平台将不承担任何责任。
3.本平台对转载、分享的内容、陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完善性提供任何明示或暗示的保证，仅供读者参考，本公众平台将不承担任何责任，包括但不限于法律责任，赔偿责任等。
4.“智医信”力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。
以上声明内容的最终解释权归本公众平台所有，本声明将适用本平台所有原创。
