半島網(wǎng)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(wàn)人追捧的DeepSeek，人工智能正以超乎想象的速度走進(jìn)人們的生活。于是，大家聽(tīng)到了許多關(guān)于“開(kāi)源”與“閉源”、算法效率、模型規(guī)模與算力之類(lèi)的爭(zhēng)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(shí)的工作與生活中仿佛僅僅是多了個(gè)可以沉浸互動(dòng)問(wèn)答的APP而已。

事實(shí)上，真正的人工智能領(lǐng)域其核心價(jià)值在于實(shí)際應(yīng)用，在于生活中每個(gè)場(chǎng)景的落地與作用?？v觀醫(yī)療領(lǐng)域本身的特點(diǎn)與目前LLM(大語(yǔ)言模型)+Agents(代理應(yīng)用)的人工智能形式所能達(dá)成形式十分契合；因此，其如何落地醫(yī)學(xué)診療領(lǐng)域變成了所有從業(yè)者未來(lái)努力的方向。

對(duì)于青島內(nèi)分泌糖尿病醫(yī)院來(lái)說(shuō)，信息化一直被認(rèn)為是可以戰(zhàn)略發(fā)展的重點(diǎn)領(lǐng)域。據(jù)了解，從二十多年前，醫(yī)院建院之初就獨(dú)自建立了醫(yī)院的數(shù)據(jù)庫(kù)收集與應(yīng)用系統(tǒng)，并依托醫(yī)院長(zhǎng)期積累的完整診療與實(shí)驗(yàn)數(shù)據(jù)，在醫(yī)療垂直領(lǐng)域，一直沒(méi)有停下創(chuàng)新與研發(fā)的腳步。無(wú)論是最早的醫(yī)療數(shù)據(jù)結(jié)構(gòu)化、NLP（自然語(yǔ)言）的應(yīng)用、相關(guān)疾病的標(biāo)準(zhǔn)診療路徑與風(fēng)險(xiǎn)模型預(yù)測(cè)等方面都進(jìn)行了應(yīng)用，尤其近幾年大模型開(kāi)始推出以來(lái)，醫(yī)院在內(nèi)分泌糖尿病的細(xì)分診療和模型構(gòu)建上，已落地多項(xiàng)應(yīng)用，深入醫(yī)院診療、科研、質(zhì)量控制、運(yùn)營(yíng)患者管理等各個(gè)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(shù)據(jù)和醫(yī)學(xué)知識(shí)，構(gòu)建CDSS系統(tǒng)，為醫(yī)生提供個(gè)性化和標(biāo)準(zhǔn)化的診療建議，輔助醫(yī)生進(jìn)行更精準(zhǔn)的臨床決策。

在AI醫(yī)療領(lǐng)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(guò)整合醫(yī)學(xué)知識(shí)、臨床指南、患者信息等資源，為不同層級(jí)、不同學(xué)科的醫(yī)務(wù)人員提供實(shí)時(shí)、個(gè)性化的診療建議和決策支持，從而提高醫(yī)療質(zhì)量和效率，減少誤診誤治。

對(duì)此，青島內(nèi)分泌糖尿病醫(yī)院一直在開(kāi)展相關(guān)嘗試，基于醫(yī)院20多年積累的資源、信息、數(shù)據(jù)庫(kù)、數(shù)據(jù)模型等，依托先進(jìn)的AI（人工智能）算法、更強(qiáng)的理解、生成、多模態(tài)能力，研發(fā)慢病專(zhuān)業(yè)深度訓(xùn)練相關(guān)產(chǎn)品，實(shí)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(diǎn)十分重要。

通過(guò)多年數(shù)據(jù)整合，醫(yī)院病歷文本通過(guò)NLP+自研語(yǔ)義邏輯，產(chǎn)生了35個(gè)大類(lèi)，共2000萬(wàn)+邏輯標(biāo)簽；實(shí)驗(yàn)室歸納建立125個(gè)大項(xiàng)、978個(gè)指標(biāo)，超27萬(wàn)條規(guī)則，通過(guò)該規(guī)則共處理了1100萬(wàn)+條化驗(yàn)數(shù)據(jù)；檢查數(shù)據(jù)包含超15萬(wàn)份各類(lèi)報(bào)告，通過(guò)NLP共處理生成約130萬(wàn)個(gè)實(shí)體標(biāo)簽；其他數(shù)據(jù)包括：體格檢查、科室自檢數(shù)據(jù)等共處理超340萬(wàn)條；超4萬(wàn)份病歷、約3570萬(wàn)個(gè)標(biāo)簽作為訓(xùn)練數(shù)據(jù)集10多種機(jī)器學(xué)習(xí)算法進(jìn)行組合測(cè)試、訓(xùn)練；超5萬(wàn)余份病歷的大模型蒸餾，共整理了月約20萬(wàn)+的Q/A對(duì)，供模型預(yù)訓(xùn)練使用。目前NLP分詞包含超2700萬(wàn)個(gè)醫(yī)學(xué)概念、5500多萬(wàn)個(gè)醫(yī)學(xué)術(shù)語(yǔ)，其中：英文:36761702個(gè)，中文:18561091個(gè)。

AI病例審核

利用AI大模型，整合醫(yī)保規(guī)則、相關(guān)部門(mén)要求與診療數(shù)據(jù)，對(duì)病例進(jìn)行自動(dòng)審核，提升病例審核效率和合規(guī)性。 

因?yàn)楸娝苤脑颍镜鼗渴鹚懔χ行男枰罅康馁Y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(jù)效率、算法優(yōu)先等原則建立了智能化大模型調(diào)用平臺(tái)，包括DeepSeek從V1版本到目前的R1在內(nèi)的業(yè)內(nèi)十幾個(gè)通用平臺(tái)，都是通過(guò)多因素計(jì)算平衡自動(dòng)調(diào)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(xiǎn)、醫(yī)保相關(guān)規(guī)定合規(guī)性、醫(yī)保病例質(zhì)量要求、各類(lèi)保險(xiǎn)理賠規(guī)則、衛(wèi)生部門(mén)監(jiān)督要求、上級(jí)主管部門(mén)要求、治療原則等，進(jìn)行AI輔助病例審核。目前產(chǎn)生了27條核心質(zhì)控規(guī)則；醫(yī)保合規(guī)問(wèn)題識(shí)別率94.47%。

從建院開(kāi)始，醫(yī)院即實(shí)行患者一人一生一號(hào)制，醫(yī)院完成的重大科研項(xiàng)目及相關(guān)數(shù)據(jù)都整合在數(shù)據(jù)池中；下一步，將結(jié)合臨床CDSS無(wú)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(jù)個(gè)人健康數(shù)據(jù)和診療方案，為用戶(hù)生成個(gè)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(shí)際上每個(gè)人身體健康因人而異。于是，醫(yī)院嘗試通過(guò)整合深度專(zhuān)項(xiàng)診療方案、生活習(xí)慣、遺傳等多方面因素，高效生成個(gè)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(huì)給出包括專(zhuān)業(yè)性的健康建議、健康評(píng)估、健康促進(jìn)、定期跟蹤隨訪在內(nèi)的建議并不停地匯集最新數(shù)據(jù)，針對(duì)性地提出包含營(yíng)養(yǎng)膳食、康復(fù)、運(yùn)動(dòng)、睡眠等在內(nèi)的全方位健康管理方案。

在下一次查體時(shí)，整合過(guò)往所有數(shù)據(jù)，預(yù)測(cè)罹患高血壓、冠心病、糖尿病、肥胖癥等慢病風(fēng)險(xiǎn)，給出即時(shí)的個(gè)體化健康管理方案。

科研論文-MedmapGPT系統(tǒng)

快速進(jìn)行科研數(shù)據(jù)的查詢(xún)、分析、文獻(xiàn)鏈接和論文輔助撰寫(xiě)，大幅加速醫(yī)生科研論文產(chǎn)出效率。

有些醫(yī)生現(xiàn)在寫(xiě)論文很難，在積累的20年的大數(shù)據(jù)庫(kù)的支撐下，醫(yī)院通過(guò)MedmapGPT模型系統(tǒng)建立自然語(yǔ)言模型，根據(jù)醫(yī)生想法和要求即時(shí)進(jìn)行科研數(shù)據(jù)的查詢(xún)、提取、統(tǒng)計(jì)、分析、寫(xiě)取摘要、數(shù)據(jù)預(yù)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(xiàn)平臺(tái)系統(tǒng)鏈接，讓醫(yī)生一鍵完成復(fù)雜數(shù)據(jù)的整合，將原來(lái)需要花費(fèi)幾周甚至數(shù)月的時(shí)間進(jìn)行的工作變成一瞬間，幫助醫(yī)生迅速找到其未來(lái)的方向，為醫(yī)生節(jié)約更多的時(shí)間和精力。

AI賦能學(xué)科診療方案輔助生成

基于患者多維評(píng)估數(shù)據(jù)，智能生成專(zhuān)科疾病（如透析）的個(gè)性化治療方案，并提供方案依據(jù)和實(shí)時(shí)監(jiān)測(cè)調(diào)整建議。

在大專(zhuān)科、強(qiáng)綜合的整合醫(yī)學(xué)運(yùn)營(yíng)模式下，結(jié)合專(zhuān)科特點(diǎn)進(jìn)行深度挖掘生專(zhuān)項(xiàng)診療方案，并圍繞內(nèi)分泌相關(guān)學(xué)科進(jìn)行模式的復(fù)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(cè)系統(tǒng)并將患者透析服務(wù)智能化，基于患者多維評(píng)估數(shù)據(jù)（常規(guī)評(píng)估、貧血評(píng)估、礦物質(zhì)代謝評(píng)估等）等，借助AI智能生成個(gè)性化透析治療方案，全面覆蓋治療目標(biāo)、透析方案、用藥方案、飲食運(yùn)動(dòng)及宣教方案等并提供詳細(xì)推薦依據(jù)，支持醫(yī)生專(zhuān)業(yè)判斷，同時(shí)提供一鍵應(yīng)用功能，系統(tǒng)實(shí)時(shí)監(jiān)測(cè)患者病情變化和治療效果，智能分析歷史診療數(shù)據(jù)，及時(shí)預(yù)警并推薦方案調(diào)整建議，幫助醫(yī)生持續(xù)優(yōu)化治療方案，提供更精準(zhǔn)、高效的透析診療服務(wù)。同時(shí)，系統(tǒng)也會(huì)將相關(guān)目標(biāo)與配合任務(wù)分配給醫(yī)生、護(hù)士與患者，實(shí)現(xiàn)治療效果的最優(yōu)化達(dá)成。

醫(yī)院全流程管理

未來(lái)醫(yī)院全流程管理：構(gòu)建醫(yī)院診療、服務(wù)、管理等各個(gè)環(huán)節(jié)的標(biāo)準(zhǔn)化流程，優(yōu)化醫(yī)院運(yùn)營(yíng)流程，提高醫(yī)療服務(wù)效率和質(zhì)量。

基于真實(shí)且完善的數(shù)據(jù)庫(kù)和領(lǐng)先的風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)模型以及對(duì)內(nèi)分泌領(lǐng)域獨(dú)特的理解和整合醫(yī)學(xué)診療思維，未來(lái)醫(yī)院會(huì)將AI融入到診療、服務(wù)、患者的醫(yī)保支付、患者院內(nèi)院外管理、科研、醫(yī)院管理等醫(yī)院的各方面，并在內(nèi)分泌領(lǐng)域內(nèi)進(jìn)行不斷深度挖掘，對(duì)醫(yī)院的各個(gè)業(yè)務(wù)環(huán)節(jié)進(jìn)行優(yōu)化和管理，以提高醫(yī)療服務(wù)效率和質(zhì)量，改善患者就醫(yī)體驗(yàn)。

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(shù)據(jù)收集完成生活方式、院外醫(yī)療行為的數(shù)據(jù)化無(wú)感上傳，包括血糖儀、血壓計(jì)、電子秤、胰島素泵、胰島素筆等，并結(jié)合門(mén)診醫(yī)囑與治療方案，落實(shí)患者相關(guān)診療行為的執(zhí)行與效果反饋，整合大數(shù)據(jù)系統(tǒng)作為輔助醫(yī)生評(píng)價(jià)與調(diào)整診療方案的重要依據(jù)。

當(dāng)前AI訓(xùn)練的基礎(chǔ)是數(shù)據(jù)、信息與規(guī)則，也就意味著不間斷的數(shù)據(jù)收集，同時(shí)有效的使用與反饋再訓(xùn)練才能使人工智能越來(lái)越智能，在醫(yī)療領(lǐng)域亦是如此。而如何有效地設(shè)計(jì)、有效地收集數(shù)據(jù)，使其貫穿于整個(gè)醫(yī)療及與之相關(guān)的行為之中，包括院內(nèi)院外、飲食運(yùn)動(dòng)、生活方式等便顯得不可或缺。

對(duì)此，青島內(nèi)分泌糖尿病醫(yī)院相關(guān)負(fù)責(zé)人表示，整體上看，目前AI大模型實(shí)現(xiàn)服務(wù)人類(lèi)的底層原理是將更大范圍、更多維度領(lǐng)域經(jīng)驗(yàn)、數(shù)據(jù)與固有規(guī)則進(jìn)行高效的整合，以幫助人們完成不斷改進(jìn)與創(chuàng)新的循環(huán)。但其本身不具備進(jìn)行研發(fā)與辨別是非的能力。而當(dāng)醫(yī)院嘗試越來(lái)越想應(yīng)用好這個(gè)工具的時(shí)候，就會(huì)越來(lái)越發(fā)現(xiàn)醫(yī)療最終的智能應(yīng)用形態(tài)就是“整合醫(yī)學(xué)”，不再單純地考慮某一個(gè)學(xué)科，而是將患者的全生命系統(tǒng)以病理、生理的邏輯，科學(xué)完成一體化診療思維方案的制定。實(shí)踐也證明了：在過(guò)去，在沒(méi)有強(qiáng)大總結(jié)工具出來(lái)之前，這一切是不可能、至少是很難實(shí)現(xiàn)的。這也又一次與青島內(nèi)分泌糖尿病醫(yī)院對(duì)疾病整合醫(yī)學(xué)的發(fā)展理念高度統(tǒng)一，給予醫(yī)院實(shí)現(xiàn)目標(biāo)的最佳機(jī)遇。

現(xiàn)階段，在不斷完善相關(guān)信息、相關(guān)邏輯關(guān)系中，AI在醫(yī)療領(lǐng)域的應(yīng)用進(jìn)程將持續(xù)加速并刷新認(rèn)識(shí)，醫(yī)院也在加緊步伐基于真實(shí)且完善的數(shù)據(jù)庫(kù)在垂直細(xì)分領(lǐng)域中應(yīng)用領(lǐng)先的風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)模型，圍繞學(xué)科進(jìn)行架構(gòu)深耕；同時(shí)，可以預(yù)見(jiàn)的是更多的人工智能模型將會(huì)被不斷地推出，內(nèi)卷式的競(jìng)爭(zhēng)將會(huì)把各類(lèi)“deep seek”持續(xù)推向更高的高度。

但這個(gè)過(guò)程必然不是一帆風(fēng)順，AI的發(fā)展也必將會(huì)經(jīng)歷起伏與反復(fù)，面臨質(zhì)疑與否定以及遭遇推倒與重建的過(guò)程。“在狂熱的時(shí)候保持冷靜，在受挫的時(shí)候保持信心”的原則，寄希望而又不奢求的耐心也許才是應(yīng)該長(zhǎng)期秉持的態(tài)度。在醫(yī)療領(lǐng)域的嘗試，還要堅(jiān)守生命高于一切的法則，一切嘗試始終貫徹嚴(yán)肅嚴(yán)謹(jǐn)、放“手“不放”眼“”的基礎(chǔ)原則，再加之大膽創(chuàng)新、重復(fù)驗(yàn)證、謹(jǐn)慎相信、無(wú)懼失敗的工作信念。“面對(duì)接下來(lái)的挑戰(zhàn)，醫(yī)院將充滿(mǎn)信心，結(jié)合過(guò)往內(nèi)分泌領(lǐng)域疾病理解的積累、整合醫(yī)學(xué)診療思維的認(rèn)知、對(duì)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(dòng)相關(guān)疾病診療進(jìn)步的工具?！?/p>

“我們也需要清醒的認(rèn)識(shí)到：醫(yī)療是經(jīng)驗(yàn)科學(xué)，雖經(jīng)歷了漫長(zhǎng)歲月的積累，但時(shí)至今天醫(yī)學(xué)能解決的疾病問(wèn)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(zhǔn)確性，但現(xiàn)階段其同樣也受到包括提問(wèn)方式、階段信息收集密度、不同模型切換的訓(xùn)練延續(xù)等因素影響，存在導(dǎo)致結(jié)果輸出不穩(wěn)定亦或訓(xùn)練成本高昂的現(xiàn)實(shí)問(wèn)題；加上醫(yī)療過(guò)程中重要的醫(yī)患溝通與人文關(guān)懷、復(fù)雜的臨床判斷、倫理和法律責(zé)任、臨床經(jīng)驗(yàn)、個(gè)體化治療、多學(xué)科協(xié)作以及對(duì)新情況的適應(yīng)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(guò)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(xué)的進(jìn)步也仍要靠人類(lèi)的努力與發(fā)現(xiàn)。因此，只要保持對(duì)于創(chuàng)新的追求與熱情，我們的生活也必將會(huì)產(chǎn)生更多的變化、有更多可實(shí)現(xiàn)的途徑、更豐富可操作性的場(chǎng)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(chǎng)景說(shuō)不定便會(huì)實(shí)現(xiàn)。”青島內(nèi)分泌糖尿病醫(yī)院相關(guān)負(fù)責(zé)人說(shuō)道。