DeepSeek熱潮正迅速滲透醫(yī)療行業(yè)，多家企業(yè)開始接入DeepSeek。
醫(yī)藥領(lǐng)域，醫(yī)渡科技將DeepSeek整合至自研的“AI醫(yī)療大腦”YiduCore，強化醫(yī)療數(shù)據(jù)挖掘能力；互聯(lián)網(wǎng)醫(yī)療領(lǐng)域，方舟健客宣布已成功接入DeepSeek開源大模型并完成本地化部署；醫(yī)療器械領(lǐng)域，鷹瞳科技升級萬語醫(yī)療大模型，接入DeepSeek-R1提升AI影像診斷的準確率與效率；醫(yī)療信息化與數(shù)字化領(lǐng)域，福鑫科創(chuàng)也宣布旗下所有產(chǎn)品全面接入DeepSeek大模型。
借助DeepSeek的強大推理，可以提升垂類模型的準確性和實用性，增加對復(fù)雜狀況下疑難雜癥的處理能力。福鑫科創(chuàng)CEO吳笛在接受時代周報記者專訪時表示，DeepSeek不僅能夠從患者模糊的主訴中精準提取關(guān)鍵臨床特征，還能自主構(gòu)建符合醫(yī)療規(guī)范的決策樹，識別潛在風(fēng)險并提供防御性醫(yī)療建議，最終將碎片化的信息轉(zhuǎn)化為結(jié)構(gòu)化的診療方案。
吳笛 福鑫科創(chuàng)CEO 受訪者供圖
吳笛曾任華為、戴爾戰(zhàn)略規(guī)劃總監(jiān)。2016年，吳笛在深圳創(chuàng)辦了云原生開發(fā)者工具公司——深圳行云創(chuàng)新。2020年，吳笛創(chuàng)立福鑫科創(chuàng)，致力于開發(fā)醫(yī)療AI低代碼開發(fā)平臺，并于2023年推出了其核心產(chǎn)品——Fusion醫(yī)助大模型。
吳笛表示，福鑫科創(chuàng)是國內(nèi)首批布局基于大模型的醫(yī)療信息化產(chǎn)品的公司之一。他指出：“我們早在行業(yè)發(fā)展初期便預(yù)見到大模型在醫(yī)療場景中的巨大潛力和應(yīng)用前景，這為我們贏得了顯著的先發(fā)優(yōu)勢。”
根據(jù)Data Bridge Market Research預(yù)測，全球醫(yī)療AI市場2023年估值約百億美元，預(yù)計到2030年增長至2000億美元，CAGR超過40%；根據(jù)Market.us的數(shù)據(jù)，生成式AI在醫(yī)療健康領(lǐng)域的市場規(guī)模預(yù)計將于2032年達到172億美元，年復(fù)合增長率高達37%。
AI與醫(yī)生是伙伴關(guān)系
時代周報：AI可能取代人類醫(yī)生嗎？
吳笛：醫(yī)生和AI之間的關(guān)系更像是伙伴，而不是競爭者。
AI是醫(yī)生的工具和助手，兩者通過協(xié)作可以產(chǎn)生“1+1>2”的效果。AI擅長處理大量數(shù)據(jù)、做重復(fù)性的任務(wù)，比如篩查疾病、輔助診斷，幫醫(yī)生節(jié)省時間，但具體怎么治病，還是要醫(yī)生結(jié)合病情和其他因素來決定。
時代周報：福鑫科創(chuàng)如何定義AI與人類醫(yī)生的協(xié)作模式，以確保技術(shù)的合理應(yīng)用？
吳笛：兩者的強項不一樣，配合起來效果更好。醫(yī)生更擅長解決復(fù)雜問題、用經(jīng)驗判斷、和患者溝通，而AI在分析數(shù)據(jù)和識別模式方面特別快，可以給醫(yī)生提供很多支持。
另外，醫(yī)患之間的情感和信任是AI取代不了的。患者不僅需要一個診斷結(jié)果，更需要醫(yī)生的安慰和解釋，這是AI無法做到的。
未來，醫(yī)生和AI會越來越緊密地協(xié)作。醫(yī)生要學(xué)會用好AI，而AI也會變得更適合臨床需求。兩者結(jié)合后，醫(yī)療會變得更高效、更精準，讓患者享受到更好的服務(wù)。
時代周報：你強調(diào)“AI與醫(yī)生是伙伴關(guān)系”，能否從技術(shù)層面談?wù)勥@一理念如何落地？
吳笛：我們的核心創(chuàng)新在于“多模態(tài)+實時反饋+科室定制化”。首先，F(xiàn)usion醫(yī)助大模型是一個多模態(tài)模型，能夠解析檢查檢驗報告、B超單等圖片信息。例如，在武漢大學(xué)中南醫(yī)院上線的AI預(yù)問診，患者就可以通過在外院做的檢查單輸送給模型，讓模型針對檢查結(jié)果進行針對性地預(yù)問診。
其次，F(xiàn)usion醫(yī)助大模型具備實時數(shù)據(jù)處理和反饋機制。在AI預(yù)問診產(chǎn)品中，患者可以對模型提出的問題進行點贊或點踩的實時反饋，幫助模型持續(xù)優(yōu)化。在AI生成式電子病歷產(chǎn)品中，系統(tǒng)會實時對比模型生成的電子病歷與醫(yī)生實際修改后的病歷，并將差異反饋給模型，以便后續(xù)優(yōu)化。
此外，F(xiàn)usion醫(yī)助大模型在每個科室的使用中都進行了定制化調(diào)整。比如在產(chǎn)科，模型會使用月經(jīng)周期、孕幾，產(chǎn)幾等專科病歷醫(yī)學(xué)術(shù)語。在放化療科，由于大多是復(fù)診患者，模型會自動抽取患者上次就醫(yī)的病歷內(nèi)容，并結(jié)合本次就診的對話內(nèi)容，生成更加全面、準確的病歷。
時代周報：福鑫科創(chuàng)的大模型產(chǎn)品目前主要面向醫(yī)院客戶，這一市場定位是出于怎樣的戰(zhàn)略考量？
吳笛：福鑫科創(chuàng)從成立之初就一直在做醫(yī)療信息化，因為這個市場空間廣闊，具備孕育多家百億、千億市值HIT企業(yè)的土壤。
醫(yī)院本身數(shù)據(jù)豐富，包括電子健康記錄（EHR）、醫(yī)學(xué)影像、基因組數(shù)據(jù)、臨床試驗數(shù)據(jù)等。這些數(shù)據(jù)在量和質(zhì)上都為大模型的訓(xùn)練提供了良好的基礎(chǔ)，使得模型能夠?qū)W習(xí)到更復(fù)雜的醫(yī)療知識和模式。
此外，國家衛(wèi)健委頂層設(shè)計也在大力推動醫(yī)療人工智能的落地應(yīng)用，也間接推動了醫(yī)院在醫(yī)療AI產(chǎn)品采購上的支付意愿的提高。比如在2024年11月，國家衛(wèi)健委三部門聯(lián)合發(fā)布的《衛(wèi)生健康行業(yè)人工智能應(yīng)用場景參考指引》，明確給出了84個應(yīng)用場景。
模型私有化部署，數(shù)據(jù)“不出院”
時代周報：在訓(xùn)練Fusion醫(yī)助大模型時，使用了哪些類型和規(guī)模的醫(yī)療數(shù)據(jù)？如何確保數(shù)據(jù)的多樣性、代表性和質(zhì)量？特別是在處理罕見病或邊緣病例時，如何避免數(shù)據(jù)偏差對模型性能的影響？
吳笛：第一類是真實臨床數(shù)據(jù)的積累，包括HIS（醫(yī)院信息系統(tǒng)）、EMR（電子病歷系統(tǒng)）、PACS（影像歸檔與通信系統(tǒng)）和LIS（實驗室信息系統(tǒng)）等。我們?yōu)槎嗉裔t(yī)院建設(shè)了臨床數(shù)據(jù)中心（CDR，Clinical Data Repository），用于集中管理和存儲海量的臨床數(shù)據(jù)。這些系統(tǒng)為我們提供了超過3000萬條來自真實臨床場景的脫敏數(shù)據(jù)，涵蓋廣泛的病患信息和醫(yī)療行為。
第二類是權(quán)威的臨床知識庫體系。我們的知識庫包括20萬+醫(yī)學(xué)專業(yè)實體、50萬+醫(yī)學(xué)實體關(guān)系的知識圖譜、15萬條藥品說明書、六百本醫(yī)學(xué)專業(yè)書籍以及上千本醫(yī)學(xué)科普書籍。
第三類數(shù)據(jù)是用戶的反饋機制與獎勵模型優(yōu)化。我們的產(chǎn)品已在多家大型三甲醫(yī)院落地使用，特別是在生成式電子病歷等關(guān)鍵應(yīng)用中。醫(yī)院的主任醫(yī)師和教授每天都對模型的輸出進行正反饋（認可輸出）或負反饋（修改、刪除輸出），幫助我們不斷優(yōu)化和訓(xùn)練AI模型。
在處理罕見病或者邊緣病例的時候，我們采用合成數(shù)據(jù)、轉(zhuǎn)移學(xué)習(xí)、小樣本學(xué)習(xí)、跨領(lǐng)域數(shù)據(jù)整合等方式去降低由于數(shù)據(jù)偏差導(dǎo)致模型性能不佳的問題。
時代周報：醫(yī)療數(shù)據(jù)涉及高度敏感的患者隱私，福鑫科創(chuàng)在開發(fā)和部署Fusion醫(yī)助大模型時，如何確保數(shù)據(jù)的安全性和合規(guī)性？
吳笛：我們堅持“數(shù)據(jù)不出院”的核心原則，所有模型訓(xùn)練和推理過程均在醫(yī)院內(nèi)部完成，通過私有化部署確保數(shù)據(jù)始終處于院內(nèi)安全環(huán)境中。技術(shù)層面，我們用數(shù)據(jù)加密和匿名化方法保護醫(yī)療數(shù)據(jù)的隱私，確保敏感信息不被泄露；管理層面，我們建立數(shù)據(jù)質(zhì)量監(jiān)控系統(tǒng)，定期對醫(yī)療數(shù)據(jù)進行質(zhì)量評估和監(jiān)測，及時發(fā)現(xiàn)和糾正數(shù)據(jù)質(zhì)量問題。
AI生成式電子病歷最有潛力
時代周報：接入DeepSeek，對醫(yī)療垂類大模型的發(fā)展有何推動作用？
吳笛：DeepSeek采用MoE架構(gòu)，相比傳統(tǒng)大模型，不僅降低了40%以上的算力消耗，還在推理精度上保持了競爭力。這一優(yōu)化使醫(yī)院在資源緊張的情況下，能夠以更低的成本引入AI技術(shù)，提升醫(yī)療服務(wù)效率。
同時，DeepSeek通過思維鏈技術(shù)，增強了AI在臨床診斷中的透明度和可解釋性。它不僅能夠提供有效的診療建議，還能詳細解釋其推理過程，幫助醫(yī)生更好地理解AI的決策依據(jù)。
此外，DeepSeek顯著降低了對提示詞的要求，使得臨床醫(yī)生能夠更輕松地與模型互動。這一改進不僅提升了用戶體驗，還降低了醫(yī)務(wù)人員使用AI的門檻，使更多醫(yī)生能夠快速掌握并應(yīng)用AI技術(shù)解決復(fù)雜的醫(yī)療問題。
時代周報：你認為未來醫(yī)療大模型最有潛力的應(yīng)用場景是什么？
吳笛：我認為AI生成式電子病歷最有潛力。
我們先定義下“最有潛力”：一是看場景價值，二是實現(xiàn)難度，生成式電子病歷相對來說實現(xiàn)難度中等，但是價值最高。
傳統(tǒng)的醫(yī)生在門診看診場景中，單個患者就診時長按照10分鐘計算，一般用于書寫電子病歷的時間在5分鐘，開藥、開檢查的時間在3分鐘，真正用于問診的時間也平均只有2分鐘。
有了AI之后，AI會實時記錄醫(yī)患的對話，并將其轉(zhuǎn)化為醫(yī)學(xué)術(shù)語，按照門診電子病歷模板自動書寫電子病歷，大大節(jié)省了醫(yī)生書寫病歷的時間。按照一個醫(yī)生每天看診50個病人計算，每天可以至少節(jié)省1個多小時的書寫病歷時間。
本文鏈接：http://m.020gz.com.cn/news-2-725-0.html專訪福鑫科創(chuàng)CEO吳笛：AI與醫(yī)生是伙伴，DeepSeek降低了模型使用門檻
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
