（視覺中國供圖）

近年來，醫療大模型技術憑借強大的自然語言理解、推理能力及多模態處理性能，正逐步成為醫療行業智能化轉型的核心驅動力。其中，DeepSeek以其強大的性能和廣泛的應用前景，為醫療行業的智能化升級帶來了新的機遇。在國家大力推動“AI+醫療”深度融合的宏觀背景下，江蘇積極探索，試點DeepSeek等醫療大模型的本地化部署和深度應用。從“互聯網+”到“AI+”，數智升級，為“健康江蘇”建設注入了新活力。

能讀報告能給方案，“聰明”的AI醫生來了？

年后，國內多家醫院“官宣”了AI醫生上崗，醫生看診有了“外掛”的最強大腦，引發社會熱議，記者了解到，江蘇不少醫院積極接入DeepSeek等大數據模型，具有不同功能的AI醫生已經走進臨床科室，成為醫生的好幫手。

拿到檢驗報告單后，面對密密麻麻的數據一頭霧水；專業術語看不懂，異常指標心慌慌；深夜拿到報告有異常，卻不是看診時間……這些煩惱現在可以由AI來幫忙解決。江蘇省人民醫院（南京醫科大學第一附屬醫院、江蘇省婦幼保健院）、南京市中醫院等醫院陸續推出“AI報告結果科普”功能，患者檢查檢驗報告出具后，無需等待醫生解讀，基于DeepSeek技術，AI助手可以自動識別并標注檢查報告的異常指標，用通俗易懂的語言解釋其臨床意義，并可以為患者推薦下一步的就診方向，包括是否需要進一步檢查、掛哪個科室、哪位專家等信息。AI助手還可以提供科學的飲食、運動、作息建議，幫助改善生活方式，預防疾病進展。

“我們醫院經過對比與論證，選擇了檢查檢驗報告解讀這個小切入口。”南京市中醫院信息中心副主任國強介紹，醫學診斷報告通常包含大量專業術語和復雜信息，患者對解讀的需求量大，也是AI可以實現精準訓練的領域。

“我們選擇的是DeepSeek頂級版本的通用數據模型，但通用型模型并不是拿來就能用的。”國強告訴記者，為此，他們以2025年為節點往前推，先給模型“喂”了近一年半的醫療數據，包括患者的檢查檢驗報告、電子病歷、醫囑記錄、中醫療法等，為AI大模型提供了豐富的訓練素材。通過與不同科室的醫生合作交流、分析驗證，目前AI醫療助手的解讀正確率已經達到令人滿意的水平。從上線情況來看，訪問量不斷攀高。

在東南大學附屬中大醫院，AI醫生對于診療參與度更為深入。該院腫瘤科主任黃桂春教授向記者介紹：“現在相對成熟的技術是AI對于腫瘤的診斷。它不僅能快速識別出結節，還能告訴你哪些是良性的，哪些可能是惡性的。”AI在影像診斷中的應用已經相當成熟，尤其是在CT掃描中，AI可以快速、準確地判斷結節的良惡性，幫助醫生做出更明確的診斷。不僅如此，AI還在病理診斷中大顯身手。黃桂春提到，中大醫院如今正和東南大學計算機系等機構合作推動病理切片的數字化，“AI可以通過利用其學習識別腫瘤的類型，甚至進行分子診斷，極大提高診斷效率。”

在腫瘤治療方面，AI的應用更是讓人眼前一亮。黃桂春解釋，傳統的腫瘤治療往往是非特異性治療，而AI可以通過分析患者的數據，提供個性化的治療方案。“比如化療，AI可以根據患者的具體情況，推薦個性化的治療方案，真正做到‘因人而異’。”除了診斷和治療，AI在愈后判斷中也扮演著重要角色。黃桂春說：“患者最關心的往往是康復后的身體狀況。而AI可以通過分析各種治療參數，預測患者的愈后情況，極大減輕患者的焦慮情緒。”

不止問診，大模型正重塑醫院全場景生態

面向患者服務，AI科技賦能就醫效率和診療水平；面向醫院內部，AI大模型也在深入滲透醫院管理、臨床支持等各個環節，有效促進醫院管理效能和醫療服務質量的雙重提升。

以病歷書寫為例，病歷是醫療工作的重要記錄，其質量直接關系到醫療質量和患者安全。此前江蘇不少醫療機構都推行了結構化電子病歷，由于技術瓶頸，部分病歷內涵缺陷仍舊依賴終末人工質控。在有了AI助理之后，各醫院的病歷輔助書寫，也迎來再次升級。徐礦總醫院就在神經內科、骨科上線試運行了基于DeepSeek-R1的MaysonGPT的大模型，大模型將高效推理能力應用于病歷生成功能，在醫生書寫病歷時，大模型與臨床決策支持系統深度結合，能夠無縫對接醫院所有業務系統，自動抽取患者信息、檢查檢驗結果等數據，為醫生生成一份高質量的病歷文本，供醫生參考使用。實際臨床工作中，大模型還能輔助醫生鑒別診斷，并對危急重癥和疑難雜癥進行快速篩查。目前，大模型在院內的應用得到了試點科室的肯定和認可，多項病歷質控指標得到顯著提升。

在無錫市人民醫院，DeepSeek深度融入醫院病歷質量管理全流程，以AI技術為驅動，推動質控模式從“人工核對”向“實時全量”轉變，實現醫囑執行與護理文書撰寫的聯動。

通過對關鍵環節的精準校驗，一旦發現護理文書中的記錄時間與實際操作存在偏差，或內容不符合書寫規范，系統將立即發出提醒。無錫市人民醫院副院長李明鋼也感觸良多：“DeepSeek大模型質控功能的上線，顯著提升了醫療質量管理的智能化水平，確保病歷記錄的準確性與規范性，為患者安全與醫院高效運營筑起堅實的防線。”

蘇大附一院醫生也有了AI助手，在預問診以及慢病管理方面，AI助手都展現了十足的潛力。骨科博士、副研究員倪莉介紹，骨科普通門診一天要看兩三百個病人，推出AI醫生的目的，就是讓患者在候診的過程中完成病史的初步采集。既能將患者等待就診的時間利用起來，對醫生來說也可以提高效率。在此基礎上，該院還建立起了骨質疏松數據庫，可以針對骨質疏松患者進行后續管理，建立起真正智能的慢病管理體系。

更多醫院正努力讓AI成為醫生的科研助手、管理助手。江蘇省人民醫院打造智慧管理中樞，在其智能體應用平臺上沉淀的醫院管理及醫學知識庫，具有針對醫療專業領域、精準處理場景、融合專業規則、自動更新知識的“專精特新”領域特性，為醫院各類管理人員提供決策支持，提升醫院整體管理效率；在前期已經輸入數據的基礎上，南京市中醫院計劃繼續錄入5年乃至10年的醫療數據，讓AI更“聰明”，不僅懂西醫，也要對名中醫的診方思路有更深刻的了解，醫生端AI也在測試中，可以提供臨床輔助決策支持，并在科研、教學、產學研合作等方面發揮作用。

甚至，作為醫院的“數據大腦”，信息中心工作也因AI而重塑，南通大學附屬醫院針對醫院信息科存在突發問題需要單人迅速處理、重復性問題占70%以上，問題涉及的知識點相對分散，時常需要聯系其他同事獲取幫助的難題，整合近3年1000多條值班日志，收錄300多份醫療信息系統運維手冊，集成設備廠商技術文檔庫，通過結合知識庫和本地部署，讓DeepSeek成為信息中心24小時智能值班助手，AI的快速響應、精準回答，改變了傳統的值班模式。

從“互聯網+”到“AI+”，探索中回答這些問題

“不同的AI大模型可能會給出不同的結果，給患者帶來不必要的恐慌。如何形成一個統一的大模型仍然需要探索。AI在醫療中的應用還伴隨著法律和倫理問題。如果AI出錯了，誰來負責？這些問題都需要我們認真思考和解決。”采訪中，黃桂春教授對“AI+醫療”也表達了些許擔憂。

從“互聯網+”到“AI+”，需要回答的問題還不止如此。接入DeepSeek等大模型，如何來接，哪些要接？各家都在探索本地化部署，基礎工作有沒有“公約數”可以共享來避免重復勞動？接入外部大數據的平臺，患者的隱私等信息如何保護？技術力量相對缺乏的基層醫療機構，如何來趕上這波“東風”？……健康領域日益高漲的AI聲浪，既是機遇，也面臨諸多挑戰。

探索中，江蘇各級醫療機構也在嘗試回答這些問題。

對于保障數據安全和患者隱私安全的重中之重，多家醫院選擇了大模型私有化部署。大模型的私有化部署，意味著數據存儲和處理均在醫院內部完成，有效避免了數據泄露和跨境傳輸的風險，最大限度保障了數據與隱私安全。江蘇省人民醫院智能體應用平臺建設還采用了“全鏈路國產化”技術方案，從底層算力到應用系統實現全面自主可控。

蘇州市衛生健康信息中心聯合蘇州數智科技集團，也已經成功部署DeepSeek蒸餾版本，并且“對齊”了細節。同一個疾病在不同醫院、不同醫生的記錄中會有不同的“縮寫”和“簡稱”，要在更廣范圍內歸集、分析這些數據，進而摸清人群健康狀況、互通互認檢驗結果、采取針對性措施，就會因為篩選錯漏、重復或標準不一，而讓最終結論出現偏差。于是蘇州市衛生健康信息中心將最新的權威疾病分類、醫學指南等共識文件，“教給”了DeepSeek，原本需要大量懂醫學的人工進行標注、統計的醫療數據，可以被輕松“清洗”，大幅提高醫療數據精準度、規范性和可用性，為后續醫療數據分析、疾病監測等工作奠定堅實基礎。隨著AI大模型的深入應用，蘇州也期望未來借助AI構建縣域醫聯體智能中樞，將三甲醫院診療能力下沉至基層，打通電子病歷、影像組學、基因組學等多維度數據，同時借助一些輕量化AI問診工具，為三級診療的落地賦能。