《摩熵数科：2025基于知识增强DeepSeek大模型的医药数字化营销新范式报告（54页）.pdf》由会员分享，可在线阅读，更多相关《摩熵数科：2025基于知识增强DeepSeek大模型的医药数字化营销新范式报告（54页）.pdf（54页珍藏版）》请在三个皮匠报告上搜索。

1、90届广州药交会柯基数据CEO 吴刚 2025.05.22基于知识增强DeepSeek大模型的医药数字化营销新范式个人介绍柯基=KG(Knowledge Graph)漆桂林毕业于人机交互与智能信息处理创始人CEO分拆于主要业务领域属于博导、所长合作关系(关系推理）客户知识图谱中科院软件所专著战略合作伙伴产学研合作南 京 柯 基 数 据 科 技 有 限公 司吴刚工信部多个科技部重点研发计划2030人工智能项目护理人工智能国自然面上项目获得上海市计算机学会科技进步奖二等奖40多项发明专利和软著获得网信办大模型算法备案医学AI科研成果(国家级、省市级、医院级科研项目支持)国家级卫健委、科技部、科协&

2、国自然省市、医院级科研项目江苏省人民医院&中医院、儿童医院重点大模型项目居家慢病实时监测&主动管理医药健康AI产业成果医学事务生成式AI联盟负责人。已经汇集数十位医院、科研院所、国内外头部药械、CRO、Biotech等企业总监级以上高管和专家。与北京市人工智能数据训练基地、北京国际算力公司成立医疗人工智能创新实训基地总计举办10余次研讨会和直播，500人线下&将近上万线上交流基于核心的知识图谱+大模型的企业级知识中台，开发了面向药械营养保健企业临床研究、学术推广和患者教育等多个场景从2018年开始服务了数十家医疗AI数字化转型项目药企营销模式改变(为主任和科室提供AI工具，患者管理及科研服务)

3、药企支持，服务KOL的患者AI管理工具药企赞助学术会议AI报告及培训主任自筹经费建设专病领域大模型Agenda医药健康营销AI落地挑战及建议大模型+知识图谱人工智能技术路线医工结合趋势和驱动力医药健康营销AI场景及案例分析最近医疗医药行业发生了什么？国家部委地方政府医院端企业端国家卫生健康委、国家中医药局、国家疾控局：2024年11月，卫生健康行业人工智能应用场景参考指引明确84个细分领域。国家药监局综合司：2024年中，关于印发药品监管人工智能典型应用场景清单的通知，列出了15个应用场景清单。上海市发布：上海市推动人工智能 大 模 型 创 新 发 展 若 干 措 施（2023-2025年），

4、确定五大方向九个重大应用场景。北京市发布：近日，北京发布加快推动“人工智能+医药健康”创新发展行动计划（2025-2027年）（征求意见稿），将北京打造成全球“人工智能+医药健康”创新发展的标杆城市。DeepSeek本地部署：进入2月份以来，昆山市第一人民医院、深圳大学附属华南医院、湖南省人民医院、成都市第一人民医院等相继宣布完成DeepSeek本地化部署，开启“AI医院”建设新篇章。超1000家医院：超过1000家医院已经部署了DeepSeek，覆盖了患者服务、科研、诊疗、办公、管理等各个方面。恒瑞医药：春节结束第一天，恒瑞医药公布了红头文件，公司、分公司及子公司全面使用DeepSeek应用

5、，并纳入绩效考核。超20家企业：截至2025年3月，中国医药行业中已有超过20家企业宣布部署或正在部署DeepSeek大模型。医疗反腐&经营压力、科研内卷形势下的医院数字化趋势以AI驱动的内部效率提升、合规数字化营销、患者教育、临床研究以医疗AI为核心的“临床+患者管理“&科研服务合规创收医疗反腐形势下医院科室主任关注点及AI大模型结合国家卫健委、科技部重点专项国自然面上及重点项目SCI论文发表软著专利01临床技能提升，跟踪最新临床进展个人IP，影响力，讲课费项目申报科研成果转化领域产品推广02患者群高效管理，减少人工工作量院内院外闭环管理，真实世界数据采集、科普03科研学术地位、职称临床技能

6、提升、合规创收患者高效管理、口碑基于真实世界数据发表论文、科研基础AI大模型AI科研工具。科研选题、SCI写作、项目申报稿生成AI科研平台。生信分析、报告生成专病领域大模型AI数字人学术会议AI培训患者管理、随访工具患者护理科普患教内容生成内部医疗反腐&集采形势下的医药大健康企业数字化趋势外部政策环境带量采购：大品种成熟产品高毛利时代结束医药反腐：亟需合规数字化学术营销产品医药代表管理办法征求意见稿社会环境基层市场：三四线城市市场加速拓展市场趋势新药研发：新药研发加速导致情报需求大增医药营销：医患一体化的数字营销新模式技术趋势大模型技术和知识图谱技术重塑医药行业知识服务逻辑，医药知识服务有巨大

7、增长空间提高效率降低费用合规管理医药知识服务新模式医生市场、医学销售研发、生产临床研究患者医药营销服务核心诉求Agenda医药健康营销AI落地挑战及建议大模型+知识图谱人工智能技术路线医工结合趋势和驱动力医药健康营销AI场景及案例分析技术原理解析-生成式&判别式判别式-知识图谱、运筹学结构化知识、预先生成及决策模型生成式-深度学习、大模型参数化知识，概率生成模型VS优势-可解释、可见可审核的知识资产。擅长决策类、个性化推荐等劣势-需要预先构建，从海量文献构建和运维成本较高，智能化交互中等、领域迁移能力一般。优势-迁移能力强、智能化交互程度高。擅长做对话、文本生成、信息抽取等工作劣势-幻觉、黑盒

8、、运维难、缺乏解释性不擅长做决策类DeepSeek在医药大健康企业应用的几种方式提示工程检索增强生成RAG图谱增强GraphRAG微调Agent基于DeepSeek类产品做提示词问答 和内容生成基于外部知识库做检索和内容生成企业级知识库&Chatbot 实时更新数据处理 基于基础模型 专业领域特定任务优化 对数据实时性要求不高基于基础模型的全流程多任务如Manus知识图谱进行行业知识补全基于知识图谱和知识库做检索和内容生成专业领域丰富上下文语义企业级知识库&Chatbot实时更新、性能、成本、时间、所需资源维度维度主要场景主要场景知识存储知识存储数据更新数据更新实时性实时性数据敏感性数据敏感性

9、推理效率推理效率可解释性可解释性成本成本Finetune微调高精度特定任务(研发知识发现)知识内化于模型参数，形成“长期记忆”依赖重新训练更新知识（周期长，成本高）需将数据写入模型参数，存在隐私泄露风险无需外部检索，响应速度快（适合高频场景）中等中等RAG(GraphRAG)动态知识检索问答(指南问答、对比等)知识外置于数据库，形成“动态知识库”实时更新知识库即可生效（秒级响应）知识库与模型隔离，敏感数据可脱敏处理需检索+生成，延迟较高（适合非实时场景）高(可溯源)低基于知识图谱的大模型知识增强流程RAG文本提取文本分段文本转向量全文索引向量索引用户问题文本转向量关键词提取向量检索全文检索综合

10、排序候选段落提示组装大模型调用结果封装离线在线LLM apiPrompt意图识别医药健康知识图谱分类、实体识别、翻译123实体别称补全实体上下位推理user tag行业背景知识补全知识修正知识溯源你是一个乐于助人的助手，请基于下面给出的文本使用学术语言准确地回答问题。使用提供的文本来形成你的答案，但不要逐字逐句地抄袭文章。尽可能使用你自己的单词。把你的答案控制在5句以内。准确、简明扼要文本：.问题：入睡困难，提供一些建议（包括营养建议、睡眠建议、饮食建议、运动方面的建议）提问：我总是睡不着觉，给我一些建议？意图：入睡困难(用户tag，图谱知识），提供营养/睡眠/饮食/运动方面的建议（图谱知识）

11、？文档上传用户运维人员chunk文档流程与方案OCRChat history医药大模型落地主要挑战及”LLM+KG”双轮驱动大模型企业级落地挑战符合业务事实及业务逻辑VS 一本正经胡说八道可溯源、可循证医学逻辑和上下文语义理解、问答精准度和知识冲突知识图谱驱动图谱驱动的医疗大模型大模型合规可解释、可循证溯源应用大模型提示词工程表示学习上下文学习人类反馈强化学习模型大语言模型知识图谱思维链知识融合知识推理实体识别智能问答智能推荐翻译Agent智能体结构化数据文本文档表格Excel图像视频知识建模知识抽取知识融合知识计算预训练监督微调RLHF模型推理自动标签图谱构建增强大模型可解释性专家录入卫健慢

12、病医疗科研院所医院运维平台翻译引擎OCR组件药械营养保健企业报告生成智能写作数据服务行业小模型行业药监智能审核大模型提升企业数据治理知识库构建自动化能力用户交互体验及依从性知识图谱提升企业级大模型应用交互精准度&合规可解释性RAG介绍大语言模型存在幻觉、循证溯源问题及GraphRAG解决方案GraphRAG：可以提问需要语义理解和图谱推理的问题RAG：只能提问和原文表述相似的问题VS检索增强检索增强:HBVHBV、HCVHCV等等图谱扩图谱扩充信息充信息“大模型+知识图谱”驱动的医药健康营销Agent智能体平台FAQ知识库（FAQ Engine）开放API问题匹配提问&反馈用户图谱引擎（KG

13、Engine）文档库检索增强引擎（GraphRAG Engine）问题增强文章内答案原文定位及组装PubMed文本、PPT、影像图片，视频等多模态数据大模型辅助自动标签和内容提取，生成FAQ等私有化大模型大模型内容生成引擎（LLM Engine）摘要总结、生成式回复、医学内容生成、写作等企业级多模态智能知识平台数据库自动构建大模型（LLM Engine）意图识别结构化（图谱API+数据库API)图谱答案生成+BI报表生成Agent意图理解文档库GPU，智算中心大模型决策引擎（LLM Engine）基于原文内容-循证强生成新内容-循证弱Agent、推理决策分层次知识图谱构建标签级段落级内容级Ch

14、atKGChatBIDeepSeek大模型基座&GPU医药大健康企业多模态知识库“人机协同”构建基于循证等级要求的智能交互Agent人工校验Agenda医药健康营销AI大模型落地挑战及建议大模型+知识图谱人工智能技术路线医工结合趋势和驱动力医药健康营销AI场景及案例分析医药大健康企业营销AI数字化转型场景AI平台“知识图谱+大模型”多模态智能知识库(翻译、OCR、语音识别、图像识别等组件)DeepSeek等基座大模型、GPU研发情报、医学指南、PubMed医学文献、医学知识图谱、营养健康知识图谱SAASKAASPAAS智能交互Chatbot平台、智能个性化推荐、智能检索、智能翻译、报告生成等企

15、业主数据IAAS用户画像产品知识图谱、营销推广材料、社交媒体、营销数据、HCP360等MAAS概率生成式决策类-知识图谱、运筹学机器学习智能分析数字人探索场景成熟场景对外-提升线上线下渠道转化率，用户使用产品依从性对内-提升研发、营销及内部管理效率知识生产自动化&交互智能化。降本、增效、合规业务价值大模型价值销售(售前、售中、售后)营销内容生产销售培训、智能陪练ChatBI业务分析线上线下推广电商个性化推荐社媒情报洞察客户&竞争情报分析会议报销合规审核知识管理文档写作患者健康管理全流程应用场景药店店员助手药店智能管理数据敏感度高低高低高内部管理中高中个性化健康服务销售拜访策略建议营销内容审核传

16、递医药大健康企业营销AI数字化转型场景医药健康知识图谱大模型知识增强符合业务逻辑、消除幻觉、可循证溯源内容自动生产、审核、智能交互少人工标注、多领域迁移、智能用户体验；内容自动生成、降低FAQ生成及审核流程主要创新技术探索场景成熟场景对外-提升线上线下渠道转化率，用户使用产品依从性对内-提升研发、营销及内部管理效率知识生产自动化&交互智能化。降本、增效、合规业务价值大模型价值销售(售前、售中、售后)营销内容生产销售培训、智能陪练ChatBI业务分析线上线下推广电商个性化推荐社媒情报洞察客户&竞争情报分析会议报销合规审核知识管理文档写作患者健康管理全流程应用场景药店店员助手药店智能管理数据敏感度

17、高低高低高内部管理中高中个性化健康服务营销内容审核传递销售拜访策略建议医药健康私域营销AI知识中台合规管理用户HCP专业人员(医生、护士、药剂师、营养师)医药代表、医学部MSL、市场部患者、亚健康人群等C端用户智能交互入口微信公众号公司官网400热线对外入口R&D、战略、BD临床研究对内管理OA系统内部服务私域营销AI知识中台运维支持多模态知识管理自动标签与图谱构建FAQ常见问题自动生成视频合规审核医药知识图谱大模型(API/私有部署）业务合规药物警戒医学药物警戒ITHelpdesk技术支持知识运维项目申报书撰写科研选题学术推广患者教育医学内容审核技术合规双轮驱动2.医学内容自动生成与合规审核

18、1.多模态医学知识库3.内容多渠道传递价值：面向多渠道提升知识传递效率80%，用户活跃度提升50%价值：搭建企业级知识库，知识自动抽取与图谱关联，降低80%以上构建成本价值：AI生成与审核，能够覆盖85%的医学需求。与纯人工相比，提升90%的工作效率，成本大幅下降。疾病科普文章生成论文综述合规审核药企内部临床研究医学科研真实世界研究HCP360医药大健康企业数字化营销案例（AIGC知识库+Chatbot+多渠道）面向业务员的中药产品营销助手面向亚健康人群的智能助手面向HCP虚拟助手面向销售端国内首个基于大模型的医学销售助手面向HCP+销售的知识助手国内外指南GraphRAG问答FAQ自动生成内

19、容生产效率提升50%从传统的FAQ问答升级为大模型的自动问答，知识传递效率提升80%AI交互更加智能，吸引医生使用并提升整体医生端的活跃度50%基于知识图谱和大模型覆盖亚健康人群、营养师和医生群体，提升效率50%1个月时间，构建中药产品和文献知识库，辅助业务员了解产品及业务知识传统的知识服务项目中存在的问题：人工生成内容及打标签成本太高，知识反复审核时效性低，人机交互智能化程度不高。驱动升级产品能力：知识图谱增强大模型的能力，提升内容生产效率、知识传递效率和医生端活跃度。目前基于最新的产品能力已服务数十家跨国和国内药械客户，并获得多项医药行业优秀案例。医药行业数字化营销AI产品现状及问题，AI

20、GC大模型价值知识图谱的问答等应用，还需要人工做不少模板人工打标签、构建图谱和生成FAQ等内容成本较高由于强合规要求导致内容重复审核，推广的时效性较差人机交互智能化程度不高降本(降低打标签&内容生产成本)增效(提升用户体验及依从性)合规(减少审核时间)希望大模型提供的价值降本-医学内容标签的自动化处理文档自动解构文献标题，摘要，关键词段落，表格，图片，参考文献及其他一篇肺癌的文献为例 医学指南/共识医学文献/论文ASCO 会议摘要内部资料医学内容自动打标签医学内容标签知识图谱(关联所有文档)OfflineOfflineOnlineOnline标签应用智能问答和搜索，个性化推荐等医学专家知识自动

21、抽取从权威的来源自动抽取实体和三元组，最终由医学专家校验审核高质量医学知识图谱高质量知识图谱+NLP 模型（现有标签的精确抽取）大语言模型(新标签的算法抽取)多层级本体设计降本-利用AI自动生成高质量、可审核的FAQ集、选择FAQ生成模型、批量生成FAQ及自动审核、查看生成的结果、导出Excel形式（包括问题、答案、来源出处）内置内容审核规则SOP医药大健康企业有严格的内容合规要求，基于大模型生成的内容可能存在幻觉问题，需要人工审核。能否用AI提升审核效率？基于大模型的医学内容自动生成与审核内容自动生成内容规范类审核格式规范类审核人工审核与校验科普文章创作措辞表达类审核AI生成与审核，能够覆盖

22、85%的医学需求。与纯人工相比，提升90%的工作效率，成本大幅下降。医学内容审核合规审核-AI赋能内容审核，提升工作效率措辞表达审核基本信息审核内容一致性审核参考文献格式审核统计图表审核人工审核与校验1.措词清晰准确，语法语句格式正确，前后文逻辑顺畅2.医学术语符合CNKID的多数说法，不存在错别字3.避免使用含绝对性或全部性等内容，如“最”、“第一”、“唯一”、“首个”等广告禁用词语，有参考文献的除外 4.避免使用“无副作用”等词语，可以表述为“不良反应较少”等 1.与说明书、文献的内容含义一致2.首次出现的英文缩写，必须标明中文3.公司地址、电话、传真等相关信息的准确性1.同一份材料内的参

23、考文献的书写格式要统一，保持前后一致2.同一份材料内的参考文献的书写格式要统一，保持前后一致1.PPT统计图标的格式要求2.同级标题/内容的字体字号颜色前后保持一致3.正文部分一行没写完的句子要在完整词组的后面断行4.一句话末尾是否有句号要与前后保持一致无客观、统一标准的审核点，AI提出/标注疑似问题，人工审核与校验措辞表达类审核错词、语病、措辞等大模型内容润色、纠错能力内容规范类审核基本信息/说明书/内容与原文一致文档解构+RAG+内容分析/比对能力医学审核AI格式规范类审核图表格式、参考文献格式规范等多模态大模型+大语言模型+规则审核95%5%合规审核-端到端提升医学写作工作效率选中某一个

24、AI审批意见，可点赞，点踩，反馈或者删除处理。所有的反馈会有日志记录并基于反馈持续迭代优化。遗漏的审批意见，可人工新增。合规审核-端到端提升医学写作工作效率针对PPT文件，会结合多模态大模型的能力，可专门针对PPT的格式进行审核。AI审核后仍然需要人工校验确认。内容生产及审核从1个月减少到1周。是否还能提升？能否实时？增效-利用大模型升级到原文检索优化，解决大模型幻觉问题传统内容生产方式FAQGraphRAG智能客服问答准确率医学部审核大模型对专业内容优化应答率资料库数据关联性弱应答率60%80%资料关联知识图谱、全量内容实时组装应答率=95%交互体验关键词匹配、多轮对话能力弱问询效率低智能意

25、图识别、多轮对话能力强问询效率高内容上线时间审核过的原始文献做完FAQ还需要再审核内容生产效率太低核心的内容上线时间大幅提升降低人工制造和重复审核的时间从一个月减少到一周人工运维时间成本高低从基于FAQ的面向销售代表智能客服升级到基于知识图谱和大模型合规的自动内容生产和智能交互的Chatbot原文定位+全量素材定位答案原文，展示素材所有部分段落的原文，不作任何二次加工参考文献溯源溯源出处，点击可查看原文：指南、PPT、说明书等整个素材，有迹可循世界500强药企医学问答案例增效-进一步升级，FAQ+ChatKG&ChatBI+全文检索优化无回答话术FAQ(20%)知识图谱&内部材料(10%)检索

26、优化引用原文(70%)新问题处理AI总结增效-问答效果对比GraphRAG：可以提问需要语义理解和图谱推理的问题RAG：只能提问和原文表述相似的问题VS提到了药品和不良反应关键词，但回复不准确、不全面回复了药品的具体不良反应，原文组装合规内容，检索优化，再一键总结和多轮对话。合规、科学、准确、全面企微聊天页面入口，客服根据问题类型可选择性进入“AI助手”菜单入口FAQ可优先匹配精确答案，支持高效编辑和一键发送场景演进：面向内部客服的AI助手工作更加高效，应答更加专业大模型生成答案校验确认后发送答案基于知识库文档+RAG的答案场景演进：面向内部客服的AI助手(满足合规要求)场景演进：用户或者HC

27、P360画像-个性化推荐基本信息+健康标签运动设备+体检+基因打卡活动+购买记录推荐食谱大模型擅长总结、对话、生成新内容知识图谱擅长推荐&决策首页总结回答段落原文+图表药品相关AE事件、敏感词AI医学助手医智问答场景协助医生查询、解读相关领域评估诊断、治疗、用药等信息。场景演进：面向医生的助手产品价值对比分析批量上传/API对接自动抽取标签、摘要等医药合规知识库GraphRAG服务传统知识服务资料汇总邮件/网盘内容人工翻译、拆解、打标签医学部人工审核FAQ服务现有知识服务知识处理流程内容生产与审核知识问答/检索科普推文知识问答/检索基于知识图谱增强的基于知识图谱增强的医药合规大模型知识处理效率

28、提升90%内容生产效率提升60%基于基于NLPNLP的的FAQFAQ问答模型问答模型知识传递效率提升80%应答率60%-95%知识应用服务基于GraphRAG的医学图书馆-多层次知识体系建设知识图谱+大模型知识图谱+知识体系NLP算法及规则引擎政策、标准、指南、科研项目会议摘要药品说明书文献原文或摘要内外部数据PPT、视频等多模态内容知识图谱分层次构建文档级别以及、标签级别、内容级别的知识图谱基于大模型自动生成知识图谱人机共建内容智能知识平台结构化、标签化数据基于知识体系和规则引擎，对原始数据进行目录结构化、自动化内容标签分类后原素材库按素材内容、时间和来源等多维度进行自动分类知识库自动生成可

29、溯源的高质量内容自动生产智能用户体验 交互智能化能力提升 具备更强推理和多轮对话能力 文档自动生成和决策辅助能力提升 决策能力提升大模型辅助总结临床研究数据FAQ基于行业知识图谱和知识体系，大模型辅助，组装生成FAQ大模型实时生成内容基于大模型实时生成内容，以及文档对比，智能写作等功能医药行业非结构多模态数据多、专业性强、合规性以及可解释性、准确性要求高基于知识增强大模型的Agent知识平台多模态知识管理（资源文档视频、标签、三元组等）自动抽取医学知识和图谱构建（OCR段落、主题、标签、段落摘要、结构化数据、知识图谱）单篇/全库问答引擎（多轮问答、GraphRAG合规问答与溯源）论文撰写、科研

30、申报书撰写科普内容创作（创作大纲、自动生成报告及多媒体编辑）智能决策（情报分析、合规审核、药物警戒识别等）人机协同及自助运维机制（基于知识图谱+大模型的人机协同以及运维自动化）幻觉问题一本正经胡说八道大模型落地挑战精准循证&溯源符合行业业务逻辑医学逻辑问答精准度和知识冲突多模态资源管理批量导入或者API对接中英文权威指南共识、文献、内部产品资料及视频等，搭建AI知识库。指南/文献中图表处理多模态资源处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维多模态资源处理能力指 南文 献标题、目录、章节标题摘要、关键词段落、参考文献表格（表格名称、表格内容）图片（图片名称、图片内容）图 片视 频

31、O C R 解 构语 音 转 文 字视 频 转 语 音视频切帧、语音文件文本文件、文本分段文本纠错（术语、语气词）中 英 文 处 理中英文文档处理中英文向量中英文摘要多模态资源解构算法处理结果表 格多模态资源处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维医学内容标签的自动化处理流程文档自动解构文献标题，摘要，关键词段落，表格，图片，参考文献及其他一篇肺癌的文献为例 医学指南/共识医学文献/论文ASCO 会议摘要内部资料医学内容自动打标签医学内容标签知识图谱(关联所有文档)OfflineOfflineOnlineOnline标签应用智能问答和搜索，个性化推荐等医学专家知识自动抽取从权

32、威的来源自动抽取实体和三元组，最终由医学专家校验审核高质量医学知识图谱高质量知识图谱+NLP 模型（现有标签的精确抽取）大语言模型(新标签的算法抽取)多层级本体设计多模态资源处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维文献的AI精读针对文档类型为文献的可点击AI精读，包括研究背景、研究方法、实验设计、结果与分析、总体结论、论文评价等。多模态资源处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维基于知识图谱增强的合规大模型（GraphRAGGraphRAG）GraphRAG：可以提问需要语义理解和图谱推理的问题RAG：只能提问和原文表述相似的问题VS知识图谱大模型多模态资源

33、处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维GraphRAGGraphRAG知识增强大模型举例多模态资源处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维GraphRAG：可以提问需要语义理解和图谱推理的问题RAG：只能提问和原文表述相似的问题VS提到了药品和不良反应关键词，但回复不准确、不全面回复了药品的具体不良反应，原文组装合规内容，检索优化，再一键总结和多轮对话。合规、科学、准确、全面问答监控和知识运维流程多模态资源处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维用户反馈不满意日志监控不满意/无回答知识库内容是否覆盖检查医学标签并运维检查文档解构结果并运维

34、发布上线满意/不满意反馈文档解构运维医学标签运维日志监控大模型相关配置支持选择使用的大模型抽取过程可配置，包括主题、关键词、段落摘要和实体标签等可配置抽取方式。基于角色的文件目录级别权限管理多模态资源处理能力自动标签和图谱能力知识图谱增强大模型系统全流程运维Agenda医药健康营销AI大模型落地挑战及建议大模型+知识图谱人工智能技术路线医工结合趋势和驱动力医药健康营销AI场景及案例解析DeepSeek大模型在医药大健康企业应用成功落地四大要素成本、合规、效益场景选择、ROI性价比数据敏感性循证等级要求私有部署vs公开API开源vs商业化框架平台人机协同的智能运维能力用户满意度反馈以及机器自动运

35、维反馈后可简单运维，迭代训练知识运维和大模型技术运维角色和权限控制自动化数据治理多源异构数据处理，OCR&检索定位文档、图片、表格、视频多模态处理自动分类、标签和知识图谱构建及更新持续维护标签能力平衡效果和合规循证预训练、微调、RAG的选择性能要求准确性、精准溯源、医学逻辑根据合规循证等级要求消除或者减轻幻觉、知识图谱增强大模型挑战总结及落地建议强合规循证要求、伦理、监管备案业务场景端到端效率提升、ROI价值体现知识图谱构建和运维、分层次建设企业数据治理自动化工程化和可运维产品化(OCR、表格、图片等)02图谱和工程建设01场景选择03小成本验证04考虑合规选择容错性较高的场景。从面向内部临床研究、销售、医学到面向外部医生、药店、患者。大图谱&小图谱考虑投入产出，分层次建设知识图谱OCR、段落拆解及检索定位的工程化能力行业语料数据积累基于可对外传递的医学指南和文献等数据调用API小成本验证业务价值和试错；再私有化部署(需要GPU算力)。ROI的计算对外服务(尤其是患者服务)需考虑监管备案周期和成本。建议:平衡 合规、成本、效率、智能化顶层设计、小步快走、快速迭代用大模型做的医学&产学研 大模型公众号 知识图谱科技腾讯元宝-论文文献精读Maxai.Me-网页翻译&总结打造世界领先认知智能引擎加速人类知识工作自动化吴刚13901264290