全部商品分類
當 ＡＩ 醫(yī)生開始精準預判手術風險，當ＡＩ輔助診斷系統(tǒng)對肺結節(jié)、乳腺癌等微小病變的檢出率超過９０％、當數(shù)字孿生重構診療全流程，醫(yī)療行業(yè)正在經(jīng)歷一場由ＡＩ技術驅動的范式變革。
在技術浪潮下，大三甲醫(yī)院正成為這場ＡＩ＋數(shù)字孿生革命的主力軍。這些醫(yī)院通過自身創(chuàng)新實踐，為更多醫(yī)院的數(shù)字化和智能化建設提供了寶貴的經(jīng)驗。
５月１４日，健康界「ＡＩ ＋ 醫(yī)療創(chuàng)新應用大講堂」直播間邀請到復旦大學附屬中山醫(yī)院信智部主任助理、規(guī)劃與管理中心主任錢琨，為大家?guī)硪粓觥妇C合類國家醫(yī)學中心數(shù)智化運營管理新實踐」。她將深度解析中山醫(yī)院如何通過ＡＩ＋「數(shù)字孿生革命」重塑三甲醫(yī)院診療體系。
錢琨是計算神經(jīng)科學博士，她現(xiàn)在是復旦中山醫(yī)院信智部主任助理，兼規(guī)劃與管理中心主任，負責復旦中山醫(yī)院智慧醫(yī)院體系的規(guī)劃和運營。她深耕計算與臨床融合創(chuàng)新十余年，榮獲全國醫(yī)院信息化杰出領導力人物等行業(yè)獎項。還兼任復旦大學人工智能創(chuàng)新與產(chǎn)業(yè)研究院副教授，擔任中國醫(yī)學裝備協(xié)會智慧醫(yī)院會副秘書長、中國醫(yī)院協(xié)會信息專業(yè)委員會常委等等。
直播亮點搶先看：
打造「ＡＩ醫(yī)健助手」
咨詢知識命中率達９５％
ＤｅｅｐＳｅｅｋ作為低成本、開源的高質量大模型，引發(fā)了百業(yè)俱興的繁榮景象。聚焦醫(yī)療行業(yè)，ＤｅｅｐＳｅｅｋ具有更強的理解和推理功能，將其交互、理解能力應用于提高醫(yī)患溝通極具潛力，有望改善患者服務體驗、提升醫(yī)療服務質量。中山醫(yī)院通過「ＡＩ醫(yī)健助手」實現(xiàn)了此構想，這是一款全場景全人群智能醫(yī)療咨詢助手。應用場景覆蓋了體檢、門診、住院，可針對健康人群、輕癥人群、疑難危重疾病人群，可用于健康咨詢、診療咨詢、就醫(yī)流程咨詢等服務。以病區(qū)圍術期咨詢問答為例，在臨床實踐中，圍手術期術前患者咨詢工作存在流程繁瑣的問題。患者因顧慮重復提問造成溝通負擔，而醫(yī)生、護士需反復解答同質化問題，占用大量工作時間。基于此，智能問答機器人成為理想的解決方案，既能釋放高年資醫(yī)護人員的時間和精力，使其聚焦核心診療工作，又能通過推送專病科普文章，提升患者健康管理意識。針對該應用場景，對技術框架進行優(yōu)化完善，這顯著提升了安全問答的精確度，其中知識命中準確率９５％。還在胃癌病區(qū)開展元宇宙技術應用測試，其中數(shù)字人透明屏引發(fā)患者廣泛關注。患者不僅對其操作方式充滿好奇，還關注知識庫的更新情況。測試數(shù)據(jù)顯示，無人力推廣情況下，每周３０％－５０％病區(qū)患者主動使用、交流推薦。這為構建元宇宙環(huán)境下的可靠問答體系、實現(xiàn)線上服務閉環(huán)提供了有力支撐。「ＡＩ醫(yī)健助手」既是患者的好幫手，也是醫(yī)生的好助手。以「肝功能Ｃｈｉｌｄ－Ｐｕｇｈ分級ＡＩ評估」為例，通過人工查閱→分析→計算結果流程，評估一份病例需要約２～６分鐘；而通過ＡＩ輔助，系統(tǒng)進行核對細項→確認結果，１分鐘內即可評估一份病例，評估時間提升了３００％，且統(tǒng)計案例內評估準確率為１００％。
從點到面
數(shù)據(jù)治理可分三層
為構建堅實的數(shù)據(jù)基礎，中山醫(yī)院以數(shù)據(jù)治理與匯總為核心，構建５大覆蓋同城節(jié)點的數(shù)據(jù)網(wǎng)絡體系。依據(jù)數(shù)據(jù)類型與業(yè)務需求，對各節(jié)點進行差異化功能定位，承擔多院區(qū)、多中心科研數(shù)據(jù)的匯總與處理任務，為科研協(xié)作與學術研究提供數(shù)據(jù)支撐。依托這一數(shù)據(jù)平臺架構，該院得以實現(xiàn)數(shù)據(jù)的統(tǒng)一管理與安全管控。在數(shù)字化時代，數(shù)據(jù)安全已成為關乎民生保障的重要領域，醫(yī)院嚴格遵循數(shù)據(jù)安全規(guī)范，通過完善的安全管理機制，切實保障患者隱私權及數(shù)據(jù)資產(chǎn)安全。在此基礎上，進一步推進數(shù)據(jù)匯聚整合，開展標準化、一致性的數(shù)據(jù)治理工作，確保數(shù)據(jù)質量與可用性。醫(yī)院的數(shù)據(jù)治理分為三層。第一層是整體范圍的結構化、標準化，對數(shù)據(jù)的空項、漏項進行對齊和補齊；第二層針對特定的病種類別或者業(yè)務場景，在較小范圍內，基于相應場景進行數(shù)據(jù)清理工作；第三層則是精細化操作，針對特定的隊列以及科學研究的專項課題，實施更為細致的治理工作。通過數(shù)據(jù)治理，切實將「從點到面」的理念付諸實踐。基于全流程覆蓋的服務模式，在統(tǒng)一的數(shù)據(jù)標準框架下，實現(xiàn)了不同算法功能的靈活集成與應用。以門診場景為例，通過該模式，醫(yī)院能夠解決多個關鍵問題：一是優(yōu)化患者就診過程中，不同算法推送的無縫銜接機制，實現(xiàn)個性化體檢路徑的精準指導；二是完善患者門診結束返家后的健康管理，借助數(shù)字人技術，為其提供用藥推薦與關懷服務。這些功能均依托統(tǒng)一平臺，以即插即用服務的形式實現(xiàn)，確保各項服務能夠根據(jù)實際需求靈活部署與調整。
如何應對幻覺？
關于大模型「幻覺」的問題需要重點關注。大模型正越來越多為臨床診斷提供支持與輔助，但如果大模型給出錯誤建議，應該如何應對，最大程度降低因 “幻覺” 帶來錯誤診斷的風險？
在大模型訓練過程中，中山醫(yī)院采取了一系列舉措來減少幻覺問題。
首先，當大模型生成的診斷判決一旦與患者溝通并傳遞，就無法再消除其影響。因為該判決已進入患者的認知體系，形成特定的知識理念。因此，中山醫(yī)院所有工作的核心，在于避免在缺乏完整安全架構的情況下使用「裸奔」的大模型。ＡＩ 安全是使用大模型工具的首要前提。一定要認識到，當前，大模型存在「幻覺」問題，且這一問題愈發(fā)凸顯，它能構建看似嚴密的思維鏈條，將自身漏洞巧妙隱藏，使錯誤判斷更難被察覺，極大增加了識別其錯誤的難度。第二個邏輯在于對醫(yī)學知識正誤的識別。從技術層面來說，許多醫(yī)學知識的正確與否，并非簡單的二元對立，難以用絕對的「對」與「錯」進行界定。當缺乏足夠的數(shù)據(jù)積累和專業(yè)知識訓練時，單一模型無法可靠地判斷知識的準確性。因此，采取「邊界約束」的策略：在既定知識范圍內，模型可以向患者提供相應解答；一旦超出預定義的知識體系，則立即攔截，將服務轉接至人工處理。這種機制在保證信息可信度的同時，也具備較高的技術可實現(xiàn)性，是目前較為理想的解決方案。整個流程是一個「三步走」的策略。第一步是完成醫(yī)學知識體系的掛載，搭建起基礎框架；第二步則是利用當下熱門的 ＡＩ 價值觀對齊技術，識別患者的真實意圖。這一步至關重要，因為它能對患者提問進行合規(guī)性與倫理審查，規(guī)避潛在的倫理風險，確保問題符合醫(yī)學規(guī)范；第三步是在確認患者問題合理合規(guī)后，進入知識庫比對流程。通過自然語言處理技術，把問題與醫(yī)學知識庫進行精準匹配。由于知識庫已覆蓋絕大部分醫(yī)學知識，因此多數(shù)情況下，患者都能獲得基于知識庫核對的準確問答。但對于罕見或復雜問題，即便擁有海量知識庫，也難以完全滿足患者需求。此時系統(tǒng)將自動攔截此類問題，并采取審慎處理措施：或轉接至人工醫(yī)學團隊解答，或建議患者前往線下醫(yī)療機構尋求專業(yè)診斷．．．更多精彩內容，歡迎掃碼預約，５月１４日下午１８：００來直播間與錢琨主任共探「ＡＩ 醫(yī)生」與「元醫(yī)院」的未來圖景。
注：文章來源于網(wǎng)絡，如有侵權，請聯(lián)系刪除
