半島網2月18日訊  這兩年，AI的話題討論在全球突然變得火熱，從橫空出世的ChatGPT到春節(jié)期間萬人追捧的DeepSeek，人工智能正以超乎想象的速度走進人們的生活。于是，大家聽到了許多關于“開源”與“閉源”、算法效率、模型規(guī)模與算力之類的爭論，而真正的人工智能（AI）或者各式各樣所謂的“大模型“在現(xiàn)實的工作與生活中仿佛僅僅是多了個可以沉浸互動問答的APP而已。

事實上，真正的人工智能領域其核心價值在于實際應用，在于生活中每個場景的落地與作用。縱觀醫(yī)療領域本身的特點與目前LLM(大語言模型)+Agents(代理應用)的人工智能形式所能達成形式十分契合；因此，其如何落地醫(yī)學診療領域變成了所有從業(yè)者未來努力的方向。

對于青島內分泌糖尿病醫(yī)院來說，信息化一直被認為是可以戰(zhàn)略發(fā)展的重點領域。據了解，從二十多年前，醫(yī)院建院之初就獨自建立了醫(yī)院的數據庫收集與應用系統(tǒng)，并依托醫(yī)院長期積累的完整診療與實驗數據，在醫(yī)療垂直領域，一直沒有停下創(chuàng)新與研發(fā)的腳步。無論是最早的醫(yī)療數據結構化、NLP（自然語言）的應用、相關疾病的標準診療路徑與風險模型預測等方面都進行了應用，尤其近幾年大模型開始推出以來，醫(yī)院在內分泌糖尿病的細分診療和模型構建上，已落地多項應用，深入醫(yī)院診療、科研、質量控制、運營患者管理等各個環(huán)節(jié)，例如AI輔助臨床醫(yī)生決策、AI病例審核、AI查體、MedmapGPT科研輔助系統(tǒng)、AI慢病管理以及醫(yī)院全流程管理等。

AI輔助臨床醫(yī)生決策

基于醫(yī)院20年積累的診療數據和醫(yī)學知識，構建CDSS系統(tǒng)，為醫(yī)生提供個性化和標準化的診療建議，輔助醫(yī)生進行更精準的臨床決策。

在AI醫(yī)療領域，CDSS“臨床決策支持系統(tǒng)”是最被人們重視和期盼的，它通過整合醫(yī)學知識、臨床指南、患者信息等資源，為不同層級、不同學科的醫(yī)務人員提供實時、個性化的診療建議和決策支持，從而提高醫(yī)療質量和效率，減少誤診誤治。

對此，青島內分泌糖尿病醫(yī)院一直在開展相關嘗試，基于醫(yī)院20多年積累的資源、信息、數據庫、數據模型等，依托先進的AI（人工智能）算法、更強的理解、生成、多模態(tài)能力，研發(fā)慢病專業(yè)深度訓練相關產品，實現(xiàn)AI輔助診療系統(tǒng)下的差異化診療。

另外，系統(tǒng)也嘗試為不同層次醫(yī)生診療行為的均一化提供了穩(wěn)定性與高度上的有力保障，一定程度上合理分配了醫(yī)療資源，這一點十分重要。

通過多年數據整合，醫(yī)院病歷文本通過NLP+自研語義邏輯，產生了35個大類，共2000萬+邏輯標簽；實驗室歸納建立125個大項、978個指標，超27萬條規(guī)則，通過該規(guī)則共處理了1100萬+條化驗數據；檢查數據包含超15萬份各類報告，通過NLP共處理生成約130萬個實體標簽；其他數據包括：體格檢查、科室自檢數據等共處理超340萬條；超4萬份病歷、約3570萬個標簽作為訓練數據集10多種機器學習算法進行組合測試、訓練；超5萬余份病歷的大模型蒸餾，共整理了月約20萬+的Q/A對，供模型預訓練使用。目前NLP分詞包含超2700萬個醫(yī)學概念、5500多萬個醫(yī)學術語，其中：英文:36761702個，中文:18561091個。

AI病例審核

利用AI大模型，整合醫(yī)保規(guī)則、相關部門要求與診療數據，對病例進行自動審核，提升病例審核效率和合規(guī)性。 

因為眾所周知的原因，本地化部署算力中心需要大量的資源投入，醫(yī)院也一直在不斷克服硬件、軟件等各種困難積極籌建本地模型，根據效率、算法優(yōu)先等原則建立了智能化大模型調用平臺，包括DeepSeek從V1版本到目前的R1在內的業(yè)內十幾個通用平臺，都是通過多因素計算平衡自動調用范圍的一部分；站在醫(yī)療診療、醫(yī)療效率，全面性的角度，充分整合考量包括醫(yī)療保險、醫(yī)保相關規(guī)定合規(guī)性、醫(yī)保病例質量要求、各類保險理賠規(guī)則、衛(wèi)生部門監(jiān)督要求、上級主管部門要求、治療原則等，進行AI輔助病例審核。目前產生了27條核心質控規(guī)則；醫(yī)保合規(guī)問題識別率94.47%。

從建院開始，醫(yī)院即實行患者一人一生一號制，醫(yī)院完成的重大科研項目及相關數據都整合在數據池中；下一步，將結合臨床CDSS無縫銜接醫(yī)生輔助決策、病例審核及各種不同的維度的工作，幫助醫(yī)生為患者提供最優(yōu)的決策方案。

AI查體

依據個人健康數據和診療方案，為用戶生成個性化差異化的體檢方案，并在查體后提供全面的健康管理建議。

目前市面上的體檢常常是固定的套餐形式，男女老少基本差別不大，而實際上每個人身體健康因人而異。于是，醫(yī)院嘗試通過整合深度專項診療方案、生活習慣、遺傳等多方面因素，高效生成個性差異化的體檢方案。

在查體之后的綜合診療中，一線臨床醫(yī)生會給出包括專業(yè)性的健康建議、健康評估、健康促進、定期跟蹤隨訪在內的建議并不停地匯集最新數據，針對性地提出包含營養(yǎng)膳食、康復、運動、睡眠等在內的全方位健康管理方案。

在下一次查體時，整合過往所有數據，預測罹患高血壓、冠心病、糖尿病、肥胖癥等慢病風險，給出即時的個體化健康管理方案。

科研論文-MedmapGPT系統(tǒng)

快速進行科研數據的查詢、分析、文獻鏈接和論文輔助撰寫，大幅加速醫(yī)生科研論文產出效率。

有些醫(yī)生現(xiàn)在寫論文很難，在積累的20年的大數據庫的支撐下，醫(yī)院通過MedmapGPT模型系統(tǒng)建立自然語言模型，根據醫(yī)生想法和要求即時進行科研數據的查詢、提取、統(tǒng)計、分析、寫取摘要、數據預處理、特征工程、各種算法的多分組比較及繪圖等，并與全球各大文獻平臺系統(tǒng)鏈接，讓醫(yī)生一鍵完成復雜數據的整合，將原來需要花費幾周甚至數月的時間進行的工作變成一瞬間，幫助醫(yī)生迅速找到其未來的方向，為醫(yī)生節(jié)約更多的時間和精力。

AI賦能學科診療方案輔助生成

基于患者多維評估數據，智能生成專科疾病（如透析）的個性化治療方案，并提供方案依據和實時監(jiān)測調整建議。

在大專科、強綜合的整合醫(yī)學運營模式下，結合專科特點進行深度挖掘生專項診療方案，并圍繞內分泌相關學科進行模式的復制。例如：透析診療方案，接軌全球最新的透析方案輔助監(jiān)測系統(tǒng)并將患者透析服務智能化，基于患者多維評估數據（常規(guī)評估、貧血評估、礦物質代謝評估等）等，借助AI智能生成個性化透析治療方案，全面覆蓋治療目標、透析方案、用藥方案、飲食運動及宣教方案等并提供詳細推薦依據，支持醫(yī)生專業(yè)判斷，同時提供一鍵應用功能，系統(tǒng)實時監(jiān)測患者病情變化和治療效果，智能分析歷史診療數據，及時預警并推薦方案調整建議，幫助醫(yī)生持續(xù)優(yōu)化治療方案，提供更精準、高效的透析診療服務。同時，系統(tǒng)也會將相關目標與配合任務分配給醫(yī)生、護士與患者，實現(xiàn)治療效果的最優(yōu)化達成。

醫(yī)院全流程管理

未來醫(yī)院全流程管理：構建醫(yī)院診療、服務、管理等各個環(huán)節(jié)的標準化流程，優(yōu)化醫(yī)院運營流程，提高醫(yī)療服務效率和質量。

基于真實且完善的數據庫和領先的風險評估數據模型以及對內分泌領域獨特的理解和整合醫(yī)學診療思維，未來醫(yī)院會將AI融入到診療、服務、患者的醫(yī)保支付、患者院內院外管理、科研、醫(yī)院管理等醫(yī)院的各方面，并在內分泌領域內進行不斷深度挖掘，對醫(yī)院的各個業(yè)務環(huán)節(jié)進行優(yōu)化和管理，以提高醫(yī)療服務效率和質量，改善患者就醫(yī)體驗。

比如目前院外健康管理系統(tǒng)Dr.Hi，為患者提供慢病家庭管理人工智能解決方案。IOT物聯(lián)中心數據收集完成生活方式、院外醫(yī)療行為的數據化無感上傳，包括血糖儀、血壓計、電子秤、胰島素泵、胰島素筆等，并結合門診醫(yī)囑與治療方案，落實患者相關診療行為的執(zhí)行與效果反饋，整合大數據系統(tǒng)作為輔助醫(yī)生評價與調整診療方案的重要依據。

當前AI訓練的基礎是數據、信息與規(guī)則，也就意味著不間斷的數據收集，同時有效的使用與反饋再訓練才能使人工智能越來越智能，在醫(yī)療領域亦是如此。而如何有效地設計、有效地收集數據，使其貫穿于整個醫(yī)療及與之相關的行為之中，包括院內院外、飲食運動、生活方式等便顯得不可或缺。

對此，青島內分泌糖尿病醫(yī)院相關負責人表示，整體上看，目前AI大模型實現(xiàn)服務人類的底層原理是將更大范圍、更多維度領域經驗、數據與固有規(guī)則進行高效的整合，以幫助人們完成不斷改進與創(chuàng)新的循環(huán)。但其本身不具備進行研發(fā)與辨別是非的能力。而當醫(yī)院嘗試越來越想應用好這個工具的時候，就會越來越發(fā)現(xiàn)醫(yī)療最終的智能應用形態(tài)就是“整合醫(yī)學”，不再單純地考慮某一個學科，而是將患者的全生命系統(tǒng)以病理、生理的邏輯，科學完成一體化診療思維方案的制定。實踐也證明了：在過去，在沒有強大總結工具出來之前，這一切是不可能、至少是很難實現(xiàn)的。這也又一次與青島內分泌糖尿病醫(yī)院對疾病整合醫(yī)學的發(fā)展理念高度統(tǒng)一，給予醫(yī)院實現(xiàn)目標的最佳機遇。

現(xiàn)階段，在不斷完善相關信息、相關邏輯關系中，AI在醫(yī)療領域的應用進程將持續(xù)加速并刷新認識，醫(yī)院也在加緊步伐基于真實且完善的數據庫在垂直細分領域中應用領先的風險評估數據模型，圍繞學科進行架構深耕；同時，可以預見的是更多的人工智能模型將會被不斷地推出，內卷式的競爭將會把各類“deep seek”持續(xù)推向更高的高度。

但這個過程必然不是一帆風順，AI的發(fā)展也必將會經歷起伏與反復，面臨質疑與否定以及遭遇推倒與重建的過程。“在狂熱的時候保持冷靜，在受挫的時候保持信心”的原則，寄希望而又不奢求的耐心也許才是應該長期秉持的態(tài)度。在醫(yī)療領域的嘗試，還要堅守生命高于一切的法則，一切嘗試始終貫徹嚴肅嚴謹、放“手“不放”眼“”的基礎原則，再加之大膽創(chuàng)新、重復驗證、謹慎相信、無懼失敗的工作信念。“面對接下來的挑戰(zhàn)，醫(yī)院將充滿信心，結合過往內分泌領域疾病理解的積累、整合醫(yī)學診療思維的認知、對于醫(yī)療信息化戰(zhàn)略的布局以及更多同伴們一起不懈的努力必將創(chuàng)造出真正推動相關疾病診療進步的工具。”

“我們也需要清醒的認識到：醫(yī)療是經驗科學，雖經歷了漫長歲月的積累，但時至今天醫(yī)學能解決的疾病問題仍然十分有限，它可以輔助醫(yī)生提高效率，提高已知醫(yī)療診斷與治療的準確性，但現(xiàn)階段其同樣也受到包括提問方式、階段信息收集密度、不同模型切換的訓練延續(xù)等因素影響，存在導致結果輸出不穩(wěn)定亦或訓練成本高昂的現(xiàn)實問題；加上醫(yī)療過程中重要的醫(yī)患溝通與人文關懷、復雜的臨床判斷、倫理和法律責任、臨床經驗、個體化治療、多學科協(xié)作以及對新情況的適應能力等方面，臨床醫(yī)生的角色仍然是不可替代的。而就像上文討論過的目前的AI只能基于信息的整合，也就意味著即便借助于AI工具的整合，醫(yī)學的進步也仍要靠人類的努力與發(fā)現(xiàn)。因此，只要保持對于創(chuàng)新的追求與熱情，我們的生活也必將會產生更多的變化、有更多可實現(xiàn)的途徑、更豐富可操作性的場景，還有更多的不可能將變成可能。相信終有一天，科幻片中的場景說不定便會實現(xiàn)。”青島內分泌糖尿病醫(yī)院相關負責人說道。