4.AI大模型在医疗行业的应用.pdf

1、AIAI大模型在医疗行业的应用大模型在医疗行业的应用 江苏省中医院江苏省中医院 刘云刘云 2025-072025-07目录CONTENTS壹仁爱仁爱|诚信诚信|传承传承|创新创新医疗医疗AIAI发展历程发展历程AIAI大语言模型大语言模型贰AIAI建设实践建设实践叁医疗AI发展历程壹壹 一、医疗AI发展历程效率指标4刚刚提问Deepseek“Deepseek在医院的具体应用数据”人工智能的粮食，数据决定了效果的上限，算法逼近这个上限人工智能的身体，人工智能需要不断在算法进行数据迭代，算力决定了迭代的效率人工智能的大脑，例如：深度神经网络/卷积神经网络算法准确率不断提升算力算法数据良好的数据工程

2、决定了模型的效果，目前所有行业中金融和医疗行业相对具备更高质量的数据凭借MOE框架、多头潜在注意力机制等创新技术能够在算法等技术效果层面比肩国际大厂。R1慢思考思维链，切合医疗应用场景。deepseek通过蒸馏等技术极大的降低了大模型的算力需求，是的部署成本降低，使得更多医院有能力去尝试在人工智能中，有三大核心要素：算力/算法/数据，目前在医疗行业内都具备了基础。DeepSeek引领“国产高性能+开源生态+低成本“AI应用新路径，加速AI技术普惠和客户泛化，推动大模型应用生态走向繁荣开源+政策完整的方案比较治疗方案有计量一、医疗AI发展历程现状DeepSeek将全行业原来聚焦以训练为中心的竞争

3、拉到了以推理为中心的竞争格局，带来资本支出、芯片、基础设施架构到应用开发范式的巨大变化，在同等效果的基础上，本地模型部署后的推理成本降低一个数量级。必须使用高端GPU卡，英伟达垄断，供货受限 堆算力、堆参数量、堆训练数据量 训练算力增速慢，未来从70%降至30%自建算力中心或云上训练，成本极高，只有极少大厂能玩得起 持续高投入迭代模型 对芯片性能要求不高，可使用英伟达GPU或者国产卡 算法层优化以提升推理性能和效果 推理算力增速快，未来占比从30%提升到70%成本极低，广大中小企业能直接以极低价格享受到最领先的模型服务 千行百业投入开发各种AI应用芯片技术路线算力投入商业模式重点业务方向训练推

4、理一、医疗一、医疗AIAI发展历程发展历程-从训练到推理转变 现有相对成熟场景-持续更新国家卫健委发布发的84个医疗人工智能应用场景面向患者面向医护面向管理AI DoctorAI医生AI CopilotAI助手AI AssistantAI助理报告解读分诊预约预问诊智能预检用药咨询健康咨询指标解读档案生成病历生成临床预警辅助诊断知识查询报告生成麻醉评估诊后随访科研探索质控管理处方审核风险预测数据上报运营分析费用管理路径分析报表分析一、医疗一、医疗AIAI发展历程发展历程-医疗AI场景一、医疗一、医疗AIAI发展历程发展历程部署方式8对比维度对比维度本地部署大模型本地部署大模型云端模型云端模型AP

5、IAPI数据安全性数据不出内网，隐私保护强数据不出内网，隐私保护强需上传数据至第三方，存在泄露风险初期投入成本需购置硬件及部署资源，成本较高需购置硬件及部署资源，成本较高按需付费，无硬件投入运维复杂度需专业团队维护升级需专业团队维护升级供应商负责维护，开箱即用响应速度本地网络延迟低本地网络延迟低依赖网络稳定性模型定制化能力可针对医疗场景深度优化可针对医疗场景深度优化通用模型，定制受限合规适配性符合医疗数据本地化政策符合医疗数据本地化政策需审核供应商合规资质一、AI在医院应用优势点91.1.提升医疗服务质量提升医疗服务质量精准诊断：精准诊断：AI快速分析影像、病理和患者病史，辅助医生发现早期病变

6、或复杂病情，提高诊断准确性和效率。减少误诊和漏诊：减少误诊和漏诊：通过AI的辅助，可以降低人为判断的误差，尤其是在影像识别、病理分析等领域。优化治疗方案优化治疗方案:通过AI的辅助，可以降低人为判断的误差，尤其是在影像识别、病理分析等领域。2.2.优化医疗资源优化医疗资源减轻医护人员负担：减轻医护人员负担：AI可自动化处理大量重复性工作，如病历整理、影像初筛、报告生成等。优化资源配置：优化资源配置：AI实现智能分诊和资源调度，合理分配医疗资源，减少患者等待时间，提升医院运营效率。应对老龄化挑战：应对老龄化挑战：AI可以帮助医院更高效地服务老年患者，提供远程医疗和健康管理支持。3.3.降低医疗成