对话医学人工智能首席专家：以DeepSeek技术为引擎，构建医疗AI价值应用新生态

随着人工智能技术进入“深水区”，医疗领域正经历从数字化到智能化的历史性跨越。近年来，以DeepSeek为代表的国产AI技术，正通过底层创新与场景深耕，重塑医疗服务的效率与质量。在这场变革中，医院如何构建AI价值体系？技术如何与临床需求深度融合？金东结合当前医学领域的前沿趋势与医院建设的生动实践，给出了系统性答案。

金教授，您在医疗人工智能领域深耕多年，见证了行业从萌芽到落地的全过程。首先想请您谈谈，当前人工智能的整体发展态势如何？

金东：2017年7月，国务院发布《新一代人工智能发展规划》，从国家战略层面部署新一代人工智能工作，规划了我国人工智能发展路线图。同年，工业和信息化部印发的《促进新一代人工智能产业发展三年行动计划（2018—2020年）》明确提出医疗影像辅助诊断系统、智能服务机器人等细分行业的发展目标、发展方向。近几年，随着以ChatGPT为代表的大语言模型迅速发展，生成式人工智能正在全面革新社会生产力，我国智能模型体系取得显著突破，多个具备国际竞争力的创新成果相继面世，形成了技术生态的多元化发展格局。

阿里万相在视频生成领域优势突出，Wan2.1测试总分86.22%，5项全球第一，场景还原精准；腾讯元宝依托云算力，接入双模型，聚焦高知群体，能快速给出专业方案，满足多元需求；字节跳动豆包凭借智能分析与推荐，帮用户速寻所需，在新媒体场景助力短视频运营与热点传播；OpenAI的ChatGPT4.5以及即将推出GPT5，经海量数据训练，语言能力卓越，计算效率比提高10倍以上，进一步加剧大语言模型的竞争。DeepSeek有力推动了国产大模型技术突破，降低行业应用门槛，其开源特性+低成本API，不仅解决了大模型训练与推理的核心痛点，为中小开发者和企业提供了平等参与AI创新的机会，标志着中国在AI领域从“跟跑”到“领跑”的历史转折，更是成为我们公立医院高质量发展的新引擎。

在医疗领域，人工智能技术正以前所未有的广度和深度不断拓展，您特别指出DeepSeek在推动智慧医院建设中展现出巨大潜力。结合医疗行业的特殊性，能否具体说明当前DeepSeek在医疗领域的应用主要集中在哪些方面？

金东：人工智能与医疗的深度融合，是医疗领域技术与模式的双重革新，医疗信息的高效处理与精准分析为医疗服务提供智能化、个性化的支持。目前智能诊断辅助、实时病历质控、医疗资源动态优化、医保控费与DRGs预判、患者风险预警、科研数据自动化等方面是重点应用场景。

Deepseek最擅长通过智能算法重构就医流程，从挂号分诊到检查报告流转，实现毫秒级响应与资源精准匹配。在设备排班、药品供应链、医护人力分配等场景中，能构建动态优化模型，降低运营成本。通过整合HIS、LIS等系统数据，生成可视化管理看板，提升医院决策效率。

但是，也有它不擅长的方面，比如无法临床操作与应急处理，面对罕见病、多种疾病并发等复杂病情，难以像经验丰富的医生那样，综合考虑患者的个体差异、病史、症状表现等多方面因素进行准确诊断和制定个性化治疗方案。虽然能提供一定的信息和分析，但在涉及多科室复杂利益协调、资源分配等需要深度协作和决策的场景中，难以像人类管理团队那样充分考虑各种人情因素、实际情况等进行灵活决策和协调。

您认为AI技术在医疗领域最可能实现突破的方向有哪些？以及发展面临的核心挑战是什么？

金东：在数据方面，DeepSeek等大语言模型将有效助力更精准的辅助诊断，做到实时分析患者历史数据、基因信息及医学文献，为医生提供个性化治疗方案；分析复杂医疗数据，帮助医生迅速找到最佳处理方案。在药物研发方面，将在靶点研究、小分子药物设计和性质预测、合成路线预测、大分子药物设计和成药性优化等环节发挥作用，缩短研发周期、降低成本。推动中医智能化方面，我们可以预见的，将降低大模型处理中医四诊信息的推理成本，推动高水平中医医疗及养生智能体在严肃医疗、大健康机构及C端的广泛普及。在医疗设备智能化方面，将医疗影像设备集成大模型算法，可自动生成结构化报告，提高疾病诊断及治疗的效率和准确性。在信息共享方面，将促进医疗信息更加透明化，为中小企业和创新型医疗企业提供发展的契机。

其中，在实践应用中，还有一些问题需要我们预判和解决。例如数据层面，医院内部各系统数据难以流通共享；超70%的医疗数据为非结构化数据，缺乏统一标准，质量参差不齐；医疗数据涉及患者隐私，脱敏处理和访问控制要求极高。模型层面，需针对医学影像分析、电子病历NLP等不同医疗场景，匹配不同的模型架构和微调策略；医疗业务复杂，需将其拆解为原子化AI任务，明确需求和目标，建立模型评估框架，筛选最优模型。另外，还有算力成本、伦理法规、商业层面等难点、堵点问题存在。

我们关注到浙江省人民医院在智慧医疗领域始终走在创新前沿。能否请您结合具体的AI+医疗融合场景，为我们分享一下具有代表性的落地案例？

金东：“创新为先”始终刻在浙江省人民医院的行动上。2021年至今，医院规划实施5批50个数字医疗和人工智能项目，特别在建院40周年发展大会上正式发布了第5批医学人工智能体集群，包括医学影像多场景集群化调度智能体、双轮审核与举证解读检验结果智能体、病理复杂任务处理和患者服务智能体、脓毒症多模态早期预警智能体、阿尔茨海默病全域全程管理智能体、高精度柔性眼科机器人及远程手术平台、手术全流程精准管理分析预测智能体、全程全域认知行为治疗患者全程精细服务智能体、医疗文本自动生成全流程精细化管理智能体、一体自动化静配中心管理智能体等10大智能体，体现了浙江省人民医院在医疗管理领域的创新性与前瞻性。

如脓毒症多模态早期预警智能体，其核心优势在于独特的动态自适应学习进化机制和人工智能反馈闭环能力。模型通过深度学习和机器学习算法，在临床应用过程中能够实时收集并分析反馈数据，实现动态参数优化，自主完成参数调优、决策逻辑更新和性能进化，持续增强对不同科室与复杂病例的适应能力，真正实现“数据—模型—临床”的闭环互动。在实际运行中，模型不断优化预警策略，显著提升预警的精准度、灵敏性、特异性及稳定性。自2024年7月正式运转以来，截至目前已筛查重症病人4170人次，经临床验证，灵敏性达到91.18%，特异性达到94.67%，总体准确率93.30%.，实现了重症脓毒症提前24小时高效、实时预警的目标，辅助医护团队在关键时刻做出科学决策。

作为行业实践者，您认为构建医疗AI价值生态的核心着力点应聚焦哪些方面？

金东：当前医疗AI生态建设已经进入“临床价值验证”向“规模经济转化”的关键阶段，需要以真实临床问题为导向，推动“技术—医院—产业”的协同进化。

AI技术需着力突破临床应用的“最后一公里”瓶颈，包括数据工程迭代、算法临床适配、决策可解释性突破等。而医院也要调整自我角色，从使用者转换为共建者，构建“临床—科研—管理”三位一体闭环，打通“技术—商业—政策”价值链条协同，通过技术突破、医院深度协同、产业模式创新形成正向循环。

2024年年底，国家卫生健康委、国家中医药局、国家疾控局联合发布《卫生健康行业人工智能应用场景参考指引》，聚焦“人工智能+”与医疗服务管理、基层公卫服务、健康产业发展、医学教学科研相结合的4大领域，明确84个细分领域的基本概念和应用场景。从辅助诊疗到攻克疑难杂症，从药物研发到全面健康管理，医学领域人工智能赛道日渐细化，正在逐步改变医疗行业的面貌。

“百舸争流，奋楫者先，千帆竞发，勇进者胜”，面对人工智能与医疗健康深度融合的历史机遇，我们当夯实技术根基，推动AI在疾病筛查、精准诊疗等领域的突破性应用，更要构建产学研用协同发展的生态体系，持续深化人工智能与医疗服务的有机融合，为医疗高质量发展注入科技动能，让优质医疗资源惠及每个生命。