疾控工作者应该怎么利用 DeepSeek 等 AI 大模型 主要内容 先了解人工智能发展简史和发展方向 再介绍大模型的概念和与人工智能的关系 接着介绍垂域模型与智能体的概念 了解以上概念后开始将交流和畅想疾控与人工智能 + 再接着介绍 DeepSeek 大模型 最后是普通疾控人在工作中的具体使用探索交流 1 . 1 著名的图灵测试 1950 年，“计算机之父”和“人工智能之父”艾伦 大模型的设计和训练旨在提供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。大模型通常 能够学习到更细微的模式和规律，具有更强的泛化能力和表达能力 学习能力强 大模型可以从大量的数据中学习， 并利用学到的知识和模式来提供 更精准的答案和预测。这使得它 们在解决复杂问题和应对新的场 景时表现更加出色 上下文理解能力 大模型具有更强的上下文理解能 力，能够理解更复杂的语意和语 就业机会。例 二、大模型：人工智能的前沿 从而减轻了人们的工作负担。 例如，在金融领域，大模型可 以自动分析大量的金融数据， 如 ，需要更多的人来开发和维 护大模型，也需要更多的人来 利用大模型进行各种应用开发 2.6 大模型对工作生活的影响 优化 决策过程 自动化 部分工作 创造新的 就业机会 帮助人们做出更准确的决策 增强娱乐体验 大模型在娱乐领域的应用，可以提供更

会损失较大的精度。在药物发现这个先导化合物准确率极为重要的领域，大量的 计算资源和时间很难避免。曾有研究统计过，若想要对100亿个小分子进行令人 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。 AI大模型辅助药物虚拟筛选 基于AI的算法，包括监督学习，无监督学习，自监督学习，强化学习以及基 于规则的算法，可能有助于解决传统方法中存在的问题。 的化合物空间。而大规模的虚拟筛选数据集DUD-E，虽然包含超过100万个蛋 白-复合物条目，但也因为数据自身的质量而饱受诟病。 随着transformer模型的出现，人们注意到了利用无标签数据对模型进行预 训练可以提高模型的性能，正如目前风头正热的GPT，GPT利用了大量无标签文 本数据进行自监督预训练，这些文本数据虽然没有标签，但是数据量远远多于有 标签的数据。相应的，模型也可以进行大规模的设计以适应海量的数据。这便是 AI模型方法仿佛理解了自然语言的语 法，从而为自然语言处理带来了质的飞跃。 而在药物筛选领域，如果我们依照类似的方式，让AI模型去充分利用海量的 蛋白、分子数据去进行自监督训练，是否也有可能学习到分子世界中的"语法"规 则? 这种方法的潜在优势在于，它可以利用现有的大量无标签分子数据集，就像 GPT使用互联网上的无标签文本一样。通过自监督学习，模型可以无需昂贵的实 验数据标签，就能够识别和理解

许多医院需要扩建设施并增加更多的能源密集型设备 3. 能源价格持续上涨 这增加了管理者的预算压力，迫使他们想方设法降低与能源有关的运营成本。微电网可以充分发挥现场分布式能源 (DER) 的优势，利用高效发电手段，如热电联产 (CHP)、燃料电池以及太阳能、风能等可再生能源发电，并结合可以 移峰填谷的储能与智能管理供需的高级控制工具，提供有效的解决方案。 图 1 : 微电网技术通过提高对电网中 Generation，2017 施耐德电气 3 微电网系统技术已经成熟，预计在全球范围内将以每年 20% 的速度持续增长，而自 2014 年以来， 微网的一次性投 资成本预计下降了 25% 至 30%。5现在是医院利用这一经济高效的手段减少对公用电网依赖的最佳时机。当电网停 电时，医院可以从电网中“孤立”出来，独立运行一段时间。当电网能源成本上升时，微电网可以增加对现场可再生能 源或储能的消耗。在能获得最佳经济效 本白皮书面向正在研究微电网优势和成本的医院团队，简要概述了有助于确保其微电网解决方案得到全面优化的考 虑因素和选项： • 开展可行性研究，以确保获得足够的投资回报 • 正确设定 DER 的规模，以实现医院的能源目标 • 利用模块化、预预置化的微电网设计来简化安装、运行和维护 • 考虑最新的微电网融资和运营方案 5 “微电网发展为 309 亿美元市场的驱动因素为何？”，Microgrid Knowledge，2018

节，应用数智技术提升新靶点和新药发现效率，加速药物 研发和临床试验进度。 1.精准靶点识别与筛选 面向疾病机制探究和药物靶点发现等业务活动，针对 传统实验方法在通量和成本方面的局限性问题，利用多组 学数据分析和文本挖掘方法，整合丰富的生物学数据，结 合自然语言处理、深度学习、图像识别以及大模型等人工 智能（AI）技术，构建新药研发知识图谱，开展复杂蛋白 质结构预测，显著提升药物靶点的识别和筛选效率。 特 2 定要求的化合物，实现药物分子的从头设计及结构优化。 3.超高通量化合物虚拟筛选 面向新分子实体（NMEs）筛选等业务活动，针对传统 筛选方法效率低下和创新性不足的问题，利用计算机仿真、 分子模拟和成药性理化模型等技术进行高通量虚拟筛选， 加快化合物生物活性和药理作用的评估速度；基于人工智 能（AI）技术挖掘文献、数据库等，提高化合物筛选范围 和效果。 4.动物模型数据挖掘与虚拟动物实验 动物模型数据挖掘与虚拟动物实验 面向动物实验研究、药物测试等业务活动，针对动物 替代需求高、与人体结果一致性有偏差等问题，运用数据 挖掘、模拟技术，建立动物造模计算机仿真模型；基于动 物实验数据库，利用建模工具建立决策树、神经网络等不 同模型，对实验数据进行解析，指导药物研发，从而提高 决策质量、效率和成本效益。 5.中医药人用经验数据挖掘和决策模型研究 面向协定处方和院内制剂向创新药转化等业务活动，

中医药监管场景指的是借助物联网、大数据等远程技术对中医诊疗、中药 合理用药等进行监管，例如中药材建立质量追溯体系、审方平台等，保障患者医 疗和用药安全。 3 中医院外管理场景是指患者经过中医药治疗后，利用互联网、AI 技术在院 外进一步接受随访、患教、复诊提醒等服务。 本文重点对现代数字化技术加持下的院内外辅助诊断设备进行研究。 2. 中国智慧中医产业发展历程 中国在中医 ，采用经典的推理模式， 比如知识库采用树型结构进行存储，辨证推理树和施治推理树从知识树的节点开 始；推理过程则是利用回溯机制从初始态到目标态，根据节点的可信度进而得到 最优途径；基于产生式规则，通过逆向推理能够获取部分专家知识；多级极大值 搜索法建立启发式联想推理机一般利用数组或矩阵来表示知识。 4 （2）基于传统机器学习的阶段 进入 90 年代后，研究人员已经突破传统专家系统的概念，采用了机器学习 如华南理工将遗传算法、模糊技术和神经网络三种技术交叉，针对类风湿性 关节炎，提出了一种中医分型诊断系统。厦门大学人工智能研究所利用粗糙集、 神经网络及其软计算技术，构建了关于八纲辨证和脏腑辨证的多种模型和系统， 也取得了良好的成果。 虽然科研工作者利用机器学习对中医智能辨证诊断方法做了许多积极且富有 意义的研究探索，但受到技术手段制约，中医智能诊断系统诊断准确率低、覆盖 病种少以及系统应用率低的问题依然凸显。

择广泛应用的标准协议，同时支持局域网部的其他协议。  易管理性原则：整个系统节点数目多，物理围广，网络的管理任务十分复 杂和重要，如何有效地管理好网络关系到是否能充分有效地利用网络系统 资源，优化网络性能，保障网络安全。利用图形化的管理界面和简洁的操 作方式，提供强大的网络管理功能，使网络日常的维护和操作变得直观， 便捷和高效。  安全性原则：随着计算机技术的发展，尤其是网络和网络间互联的规模的 的规模的 扩大，信息和网络系统的安全性日益受到重视。各业务网络之间、各业务 网络部、部网络与外部公共网之间的互联，使网络系统和信息资源的安全 性面临十分严峻的挑战。我们利用硬件防火墙对网络的访问进行控制，同 时，在系统软件和应用软件方面必须注重系统的安全工作，采用具有较高 安全级别的系统软件引入具有可靠功能和专用网络安全产品；在对后期培 训工作的安排中，加强对有关工作人员系统安全知识培训及处理突发故障 各不相同。因此，最理想的组网方式应是建立一个统一的交换平台，能支 持多种不同业务。这样能大大的减少网络的连接复杂度，人员培训的难度， 以及网络管理的压力，并提高网络的可靠性，简而言之，就是在建网的过 程中利用尽可能少的网络设备提供尽可能多的网络业务，努力避免在一个 节点是使用多个不同设备简单互连，以堆砌的方式提供多种业务。  实用性及经济性原则：根据用户需求和规划，网络系统的设计在性能价格 比方

缺少之间的矛盾，造成了门 诊拥挤、环境脏乱等现象、严重影响了医院的就医秩序和就诊环境。 门诊功能室使用情况不均衡 有的科室功能室处于满负荷、甚至超负荷运转状态，有的科室长期有功能室 空 闲，利用程度偏低； （ 1 ）出诊计划临时变化 （ 2 ）协调调度不够快速有效 （ 3 ）功能室分配规则有待完善 聚焦管理问题 门诊功能室（诊室、治疗室、检查室等）资源不能满足医疗需求 以门诊管理的场景为例 率。 利用信息化手段管理门 诊功能室，加强门诊功 能室（诊室、治疗室、 检查室等）的可视化定 位，降低医院运营成本， 提高医院效益，增强医 院活力、提升医院综合 建立数据预警模型，实 时监控各院区各科室功 能室的利用情况，实现 多渠道（大屏端、电脑 端、手机端）实时预警， 端、手机端）实时预警， 协助管理人员快速定位 问题，提高科室运营效 利用信息系统实时监控 门诊各功能室使用效率， 统筹管理功能室的使用， 通过数据模型辅助管理 者决策，辅助门诊运营 提质增效。 利用信息化手段，实现对门诊功能室运营的智能化管理 建立功能室动态调配模 型，针对空闲功能室及 利用程度低的功能室， 精准匹配申请增加功能 室的科室，为智慧化门

DRGs 实施 • …… 疫情影响 人民健康——中心 科技创新——驱动 学科建设——灵魂 医改压力 医务是客户 对信息赋能提出更多要求 要求提升工作效率，要求数据得到利用，要求符合诊疗 内 核 患者是客户 对诊疗服务提出更多要求 要求改变就诊形态，要求持续健康管理，要求同步世界 管理者是客户 对持续发展提出更多要求 要求快速落实要求，要求数据可信可看，要求符合政策 ：根据国务院发展研究中心的定义， 数字化转型是指，利用新一代信息技术， 构建数据的采集、传输、存储、处理和反馈的闭环，打通不同层级与不同行业间的数据壁垒，提高行业整体的 运 行效率，构建全新的数字经济体系 集团管控能力加强 运营能力 提升 业务流程 优化 财务收益增加 医院的数字化转型【 1 】 ，本质上是为了适应新时代发展要求，利用数字化技术来重构业务流程、提升运营水平、赋能业务发展， 数字化转型下的智慧 医院 标准规范化 耗材 专病知识 库 检 验 手 术 用 血 科研平台 质控监管 AI 引 擎 基于核心 业务系统 固化管理 + 数据利用 数据治理能力 数据应用能力 药品 输血 手术 物资 医务 护理 绩效 医技

学习，以增强其在病历生成时对中医理论的理解。  系统集成：将 AI 生成的病历与医院现有的信息系统进行无缝 集成，实现数据的实时更新和访问。  医生培训：对医务人员进行 AI 工具使用的培训，使其能够有 效利用这一新工具，同时与 AI 进行协作，提高治疗效果。 综上所述，接入 AI 大模型进行中医院门诊病历自动生成的方 案，既是对传统医疗模式的积极革新，也是提升医疗服务质量的重 要举措。随着技术的不断成熟和医务人员对新工具的认可，未来该 果针对相同症状的处理在不同院区存在不同的记录和处理方式，那 么患者的信息在不同医疗机构之间的互通性将遭遇极大困扰，可能 影响患者的后续治疗。 为解决信息准确性的问题，建议实施以下方案：  引入智能化病历录入系统：利用 AI 技术，自动识别医生口述 和书写的信息，进行智能录入，减少人工操作带来的差错。  建立标准化病历模板：根据常见疾病及治疗方案，设置统一的 病历模板，引导医生在记录过程中遵循固定的格式与内容要 大潜力。特别是在中医领域，很多实用的经验和知识系统化程度不 高，AI 可以帮助整合这些信息，使得门诊病历的生成过程更加科学 和系统。 AI 技术的应用前景广泛，尤其是在以下几个方面：  智能问诊：通过构建智能问诊系统，利用自然语言处理技术， 患者可以直接通过对话界面描述症状，系统则能根据已有病历 和知识库自动生成初步诊断，并指导患者选择合适的就医路 径。  病历文书智能生成：基于患者的信息及病历资料，AI 可以自

图 8 医院智慧后勤一体化解决方案 资料来源：健康界研究院 值得一提的是，当前诸多地区卫健委通过构建区域内综合后勤管理平台，实 现地区卫健委和医疗机构之间后勤管理信息互联互通、资源共享和综合利用等功 能，全面提高区域内后勤保障服务水平和工作效率，为卫健委事业快速健康发展 提供有力保障。对于医院而言，可通过卫健委下发文件，了解本医疗机构后勤管 理成效在区域内综合排名，进而对标优秀医疗机构，展开院内自我检核。类似前 述的区域内医疗数据集成建设，也将成为医疗界发展的必然进程。 六、智慧后勤典型建设系统解析 1、智慧后勤典型建设系统 突袭而来的新冠疫情对医疗行业带来重大冲击和挑战，以“非接触式服务管 理”为核心，利用技术手段全面升级后勤保障体系，助力疫情常态化防控机制， 成为智慧后勤建设新导向。如：有效助力防疫物资供应和保障的智能物资管理系 统，降低人-人直接接触服务状态的设备智能管控系统，减少交叉感染和院感发 个智慧后勤典型建设系统从功能、效果及建设重点等方面进行解 析，以此来帮助医院或企业进一步推动智慧后勤深化建设与应用。 图 9 医院智慧后勤典型建设系统 资料来源：健康界研究院 （1）设备智能管控平台 智能设备管控系统是指利用物联网技术，通过部署设备物联感知终端，实时 采集使用状态、能耗、位置等数据，助力实现对医疗设备全面客观、高精度、高 实时性管理，并实现全院设备状态可视化展现及全周期、全智能管控。 功能：通过该