项目编号： 智慧中医院门诊病历自动生成接入 AI 大 模型 设 计 方 案 目 录 1. 项目背景........................................................................................................................................... .........................................................................................24 3.1 自动生成病历的目的.............................................................................................. .......................................................................................43 4.2.3 输出生成模块.................................................................................................

ChatGPT 为代表的生成式人工智能给中医医院智慧化建设带来了机遇与挑战。 文章探讨了 ChatGPT 在助力中医经验传承发展、 辅助青年中医提高诊疗质量、 提升中医医院运营管理效率、 实现全生命周期健康管 理几个方面的应用场景, 指出其应用面临着医患双方的传统观念、 中医医院信息化基础薄弱、 生成式人工智能 技术缺陷、 管理制度与监管体系尚不健全等挑战。 提出需要调整认知、 树立对生成式人工智能的正确观念; 树立对生成式人工智能的正确观念; 加 强中医医院信息基础设施建设; 鼓励生成式人工智能技术研发; 完善管理制度与监管体系, 推进生成式人工智 能技术在中医医院智慧化领域的合理应用等建议。 关键词: ChatGPT; 生成式人工智能; 中医医院; 智慧化建设 中图分类号: R197. 4 文献标识码: A 文章编号: 1003-2800(2024)04-0078-04 Application, challenges 代表人工智能领域取得突 破性进展, 生成式人工智能或将引发人类生产生活的 巨大 变 革。 生 成 式 人 工 智 能 ( Artificial Intelligence Generated Content, AIGC) 是指具有文本、 图片、 音 频、 视频 等 内 容 生 成 能 力 的 模 型 及 相 关 技 术 [1], ChatGPT 作为生成式人工智能的代表, 是迄今为止世

DeepSeek 教学应用场景 05 下一步推进应用思路 06 DeepSeek 应用注意问题 DeepSeek 是什么？ 01 DESIGN DeepSeek 是一款生成式人工智能大模型 ， 它能够理解 “ 听懂”人类语言 ， 并能够像人类一样 分析问题 ，寻找思路 ， 并给出答案（解决方案） ； 它是一位 “过目不忘”的全能型老师 ，（通过 训 练） 掌握了人类各个方面的知识 习人类的资料 ，进一步丰富自己的知识 ，更好解答。 DeepSeek 是的各种 AI 大模型中一个 ，他的基本原理与 chatGPT 、 GROK3 等一样。 认识 deepseek 当前 ，各种生成式人工智能大模型很多 ，分为通用和行业垂直 2 大类；有专注文字的 ，还有能处理音视频 和图像的（即多模态）， DeepSeek 是一个开源通用大模型 ，主要处理文本。 看看 deepseek 的方 数据训练（网络信息、 文献、 资料） 数据 内容生成（ “词语接龙” ... ） 语言是知识的载体 ，也是人类沟通的桥梁 ，理解了人类语言 ，就能理解各类知识 ，能 跟人沟通。 因此自然语言处理是人工智能皇冠上的明珠 ，大语言模型就是基于深度学习技术 的自然语言处理工具 ，通过海量数据训练实现对人类语言的理解、生成和推理能力。 了解生成式人工智能（ AI GC ） 的工作原理

.......................................................................................92 6.1 病历自动生成................................................................................................... .....................................................................................154 10.1.1 病历生成测试................................................................................................. 频文书场 景，通过持续学习医院专科术语和医生个人用语习惯，其识别准确 率可在 3 个月磨合期后稳定在 92%以上。需要注意的是，系统设计 必须严格遵循《医疗质量安全核心制度要点》，所有 AI 生成内容 需经医师审核确认后方可生效，确保法律效力和医疗安全。 1.1 项目背景 近年来，随着医疗信息化建设的加速推进，电子病历系统已在 国内各级医疗机构得到广泛应用。然而，传统病历书写方式仍面临

日│中国内地 专题研究 生成式 AI 为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一，也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 、晶泰、数坤等企业发展。 AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率 病例的录入是 AI+医疗中最经典的应用场景之一。2021 年被微软以 197 亿 美金收购的 Nuance 和国内的科大讯飞、云知声等是主要企业。生成式 AI 的出现，使病例的录入过程从过去医生问诊后口述总结，向基于大模型的自 动实时问诊记录生成演进。今年 3 月，微软旗下的 Nuance 已经推出基于 GPT-4 GPT-4 的临床笔记软件 DAX Express，可以在几秒钟内生成准确的临床记 录，以及整合进微软 Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出

学习交流可加AI肖睿团队助理微信号（ABZ2829） 第11页 ! 8 9 8 PEKING UNIVERSITY N I V 模型参数量 1. 模型能力：通常来说，参数量越大，模型就有更 强的理解和生成能力，但是需要更多计算资源。 2. 硬件需求：参数越多，对内存（RAM）和显存 （VRAM）的需求就越高。 3. 运行速度：参数量大的模型，推理速度更慢，尤 其是资源不足的时候。 4. 知识密度百日定律：参数量每3 变成“学霸”。 正式定义：模型蒸馏是一种将大型复杂模型（教师模型）的知识迁移到小型高效模型（学生模型） 的技术。 模型蒸馏的原理 教师模型的训练：先训练一个性能强大但计算成本高的教师模型。 生成软标签：教师模型对数据进行预测，得到每个样本的概率分布，这些就是软标签。 训练学生模型：用软标签和硬标签共同训练学生模型。 优化与调整：通过调整超参数，优化学生模型的性能。 蒸馏技术的优势 解码器（GPT）：生成式人工智能（AIGC） 深度学习：深度神经网络 n 预训练模型架构： • 并行矩阵计算（GPU） • 堆叠架构，容易扩展，大力出奇迹 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第23页 人工智能：现代（2020-，大模型） 大模型（预训练大模型）：大（数据多、参数多、算力多），模型（语言、视觉、多模态） Ø GPT架构：解码器（GPT），生成式人工智能（AIGC），生成-理解-决策（RL）

引发算力与数据驱动的 Al 革命。 ◆ 2016 年—— AlphaGo: DeepMind 击败李世石，引发公众对 Al 潜力的广泛关注，推动资本涌入 Al 领域。 ◆ 大众认知视角—— 2022 年后生成式 Al 的爆发让 "Al 元年 " 概念再次被热议。 一、人工智能发展简史了解 · 第一阶段：标志事件是 1950 年提出图灵测试， 1956 年达特茅斯会议召 开 · 第二到四阶段：低谷的原因是符号主义 第六阶段：数据驱动的崛起，驱动力是互联网积累海量数据， GPU 算力 提升，机器学习算法突破，里程碑事件是 2016 年 AlphaGo 击败李世 石 2020 年以后是通用智能探索与生成式 Al 爆发期， 2022 年 ChatGPT 发 布， 生成式 Al 普及化。 2023 年后 GPT-4 、 deepseek 等模型实现高质量 内容生 成。 1.3 人工智能的发展阶段 从 1956 年人工智能元年至 5 级 AGI 量表 二、大模型：人工智能的前沿 2.1 大模型的概念 大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有海量参数、强大的学习能力和泛化 能力，能够处理和生成多种类型数据的人工智能模型 通常说的大模型的“大”的特点体现在：参数数量庞大、训练数据量大、计算资源需求高 2020 年， OpenAl 公司推出了 GPT-3, 模型参数规模达到了 1750 亿，

2024 里 程 碑 临床文档生成 ( 如电子病例， 临床笔记， EHR) 获取临床洞见， 辅助诊断 报告规范化， 术语归一化 智能随访 出院小结生成 辅助生成 检查建议和计划 相似病例查询 辅助生成 治疗建议和计划 l J 医学文献 / 指南解读 科研方向预测 报告匿名化 / 结构化 代码辅助生成 临床科普文生成 赋能临床试验 智能预问诊 实例 1 – 自然语言报告 结构化报 告 s EMENS: H a l t h · n r · · 西门子医疗 LLM 实例 2 一 自动扫描协议生成 -> 质 控 / 提速 s EMENS: H a l t h · n r · · © Siemens Healthineers, 2024 8 Topic Siemens Healthineers, 2024 D&AYubo Ji 21 结合患者医疗影像和历史健康记录 辅助制定个性化治疗方案 视频理解（如手术视频） 多模态影像报告解读和生成 智能预问诊和常见疾病预诊断 （可处理包含视觉信息的多轮问答） 患者健康监测：结合可穿戴设备数据 和患者视觉体征。 患者助手 医生助手（诊断 + 手术） 图文医疗文献 解读与挖掘

·· 97 6.4 内容高质量与教育包容性 ··················································· 98 6.4.1 注重内容管理与优化监管，保障生成内容科学性 ······································ 98 6.4.2 采取包容策略与方法，促进教育发展的普惠性 ········································ ··································································· 113 1 01 赋能高等教育数智化转型的 政策概览 图片 AI 生成 2 大模型背景下高等教育数智化转型研究报告 2 高等教育数智化转型是以数字化为基石，集成人工智能、大数据、区块链、云计算等技术，推动高等教育人才 培养、科学研究、社会服务、文化传承创新核 国际组织及各国政府出台的相关政策、指南和框架，旨在引导人工智能在教育领域的健康、有效、公平地应用 与推广，如表 1-1 所示。 3 大模型背景下高等教育数智化转型研究报告 表 1-1 部分国外生成式人工智能相关政策文件 时间 发布机构 政策 / 报告 相关内容 2019 年 9 月 发布 2024 年 5 月 更新 经合组织 《经合组织人 工智能原则》 5 经济合作与发展组织（OECD）于

GPT ： Generative Pre-trained Transformer  单向模型，只考虑前文，不考虑后文  采用自回归（ autoregressive ）的方式生成文本，即逐个生成下一个词  通常用于生成文本、对话、问答等任务 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn BERT 训 练 ③ GPT 处理多任务的能 力 2022 年 1 月 OpenAI 提出 GPT-3.5 模型 参数量 13 亿 , 60 亿， 1750 亿 数据量 40TB 赋予 GPT 推理能 力 多模态生成 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn 2023 年第一季 度 OpenAI 提出 GPT-4 模型 百万亿级别参数量 lvhairong@tsinghua.edu.cn GPT 在编写代码上的应 用 2021 年 12 月 使 GPT 具有与人类对话的能 力 2022 年 11 月 模型内部本质上是基于统计的文字生成器 ③ 精 准 可 解 释 ④ 医 疗 应 用 ⑤ 数 基 生 命 ② 剖 析 大 模 型 ① 关 于 预 训 练 CHIMA 20Pag2 Tsinghua Confidential