........................................................................................112 6.2.2 患者体验与满意度的提升.......................................................................................... ........................................143 1. 引言 随着医疗健康行业的快速发展，传统的数据处理和分析方法已 逐渐无法满足日益增长的需求。特别是在患者数据的采集、存储、 分析和预测方面，传统的技术手段面临着效率低、准确性不足以及 成本高昂等问题。在此背景下，引入先进的技术手段以优化医疗健 康场景的运作已成为行业的迫切需求。DeepSeek 作为一种基于深 作为一种基于深 度学习的智能分析工具，具备高效的数据处理能力和强大的预测分 析功能，为医疗健康领域的智能化转型提供了新的可能性。 医疗健康场景中，数据的复杂性和多样性对技术提出了更高的 要求。例如，患者的电子健康记录（EHR）、医学影像数据、基因 组数据等多源异构数据的整合与分析，需要处理大量的非结构化数 据，并从中提取有价值的信息。传统的处理方法往往依赖于人工干 预或简单的算法，导致效率低下且容易出错。而

着人们的生活 “ ” 质量，也给医疗体系带来了沉重负担。我国医疗体系的 不可能三角 依然突出，即 便宜、高效和服务难以兼顾。优质的医疗服务供不应求，医护人员负担较重，而 基层医疗能力相对较弱，患者的就医体验也需要进一步提升。另一方面，疾病 谱 变化快，药物研发周期长、资金需求庞大且成功率较低，现有供给难以快速应 对， 很大程度上也限制了医疗的突破发展。 面对这些挑战，人工智能技术，特别是以大型模型为代表的生成式 疗服务、费用结算、检验检查等在内的各个环节，将极大提升患者的就医体验。 同时，AI 助力 生物分子结构预测与生成、加快靶点识别和发现， 提升药物分子设 计与 优化， 提升临床试验的效率， 有效地缩短新药研发周期、降低研发成本、 加速新药上市，为医药创新带来新的动力。 AI 已经深入医疗健康的各个层面，成为连接医疗机构、科研机构、制药企 业以及广大患者的重要纽带，助力构建更加高效、智能、个性化的医疗生态系统。 应用开发 场景篇 14 4 AI 推动医疗服务升级 17 智能导诊与预问诊 18 医学影像与辅助诊疗 19 组学研究与个性化治疗 21 智慧病案与患者管理 22 医学研究与教学 23 5 AI 加速医药创新发展 24 药物研发与设计 25 药物筛选与 ADMET 性质预测 27 临床试验设计与优化

疗资源得以更广泛地覆盖；物联网技术实现医疗设备的互联互通，提升了医疗服务 的整体效率。 文印服务作为信息流转的关键桥梁，连接着患者、医护人员与医疗系统，在医疗服 务体系中占据着举足轻重的地位。在医院的日常运营中，病历、处方、检验单等文 档在医疗场景中具有不可替代的作用。文印服务不仅是一项基础服务，更是在提升 患者就医体验、优化医院运营效率、推动医疗行业数字化转型等方面都发挥着不可 替代的关键作用。无论是日常的医疗 文印作为信息输出的关键载体，在医院中扮演着重要角色。从患者挂号、就诊到出院、医保 报销，文印贯穿了医疗服务的全流程，构成医疗数字化中不可或缺的组成部分。 文印是病患和医院沟通不可或缺的重要载体 在患者就诊的全流程以及医生诊疗资料的管理环节中，文印作为信息输出的核心载 体，是患者与医院沟通的重要媒介，有着巨大的需求量和广泛的用途。尽管电子病 历等数字化工具逐渐普及，但物理文档在医院之间的信息传递以及患者的个人留存 方面， 方面，发挥着电子文档无法替代的作用，例如患者在就诊过程中仍然需要纸质的病 历、检查报告、发票等资料用于报销、转诊等用途，而医生在诊断和治疗过程中也 习惯参考纸质的病历和检查结果，以便更直观、准确地了解患者病情。因此纸质病 历和导诊单等物理文档凭借其直观性、便携性和法律认可性等特点，依然在医疗领 域占据着不可替代的重要地位。 智慧文印是医院数字化的重要组成部分 智慧文印作为医院数字化建设的重要

医患人员对智慧医疗的适应性仍有待提升 3.3 智慧医疗相关政策法规有待完善 3.4 智慧医疗服务面临定价和支付挑战 四、展望 4.1 院内建立统一标准和专项小组，政府领头拉齐院间数据维度 4.2 多渠道患者宣教和匹配个性化需求，加强外部合作来落实数智技术应用 4.3 筑牢数据安全壁垒，明晰法律技术规范 4.4 制定合理且精细化的定价策略，建立多元化支付体系并开发创新支付项目 五、结语 02 03 挂号、就诊、缴费、报销、报告、药品物流查询的全流程客服引导，进一步优化患者就诊流程与体验。 2021年6月，浙江省发改委发布《浙江省医疗服务体系暨医疗机构设置“十四五”规划》，建设智慧互联的 卫生健康服务体系和监管体系。2021年，由阿里健康、熙牛医疗共同打造的“未来医院”信息系统在浙大一 院上线。至此，浙大一院旗下四个临床院区核心信息系统全部搬迁上“云”，各院区信息壁垒逐一打破，实 现患者档案的统一和电子病历信息共享，在提升医 也能够灵活调配。 2022年8月，江苏省卫健委宣布在“十四五”期间大力发展智慧医疗，与国家医疗保障局大数据中心合作建 设省级影像平台。2022年“影像云”平台建立，实现省内影像检查结果互认，医生和患者可以随时调阅。目 前，江苏“影像云”平台已接入1966家公立医疗机构。2024年，江苏上线“临床检验云”平台，互认项目涵 盖178项。2025年9月底前，包括所有基层医疗卫生机构在内的全省近2000家公立医疗机构将全部接入。

术，通过建立互联、物联、感知、智能的医疗服务环境，整合医疗资源，优化医疗服务流程，规范诊疗行为，提高诊疗效率，辅助临床决策和 医院管理决策，实现患者就医便利化，医疗服务智慧化，医院管理精细化的一种创新型医院。 将信息技术广泛应用于医 疗服务的各个环节，实现 医疗数据的全面采集、存 储、传输和共享。从患者 的挂号、就诊、检查、检 验、治疗到住院、出院等 全过程，都通过信息系统 进行记录和管理，确保医 疗数据的准确性和完整性， 通过信息化、智能化技术应用， 为患者提供更加便捷、个性化 的医疗服务。患者可以通过手 机 APP、微信公众号等平台实 现预约挂号、在线问诊、查询 检查检验结果、缴纳费用等功 能，提高就医效率。同时，智 慧医院还可以根据患者的病情 和需求，为患者提供个性化的 健康管理方案和康复指导。 通过大数据分析等技术应用， 对医院的运营数据、医疗质量 数据、患者满意度数据等进行 深入挖掘和分析，为医院的管 深入挖掘和分析，为医院的管 理者提供科学化的决策支持。 例如，通过分析患者的就医行 为和疾病谱，优化医院的科室 布局和服务流程；通过评估医 疗质量指标，发现医疗过程中 的问题和风险，及时改进。 2025中国智慧医院白皮书 China Smart Hospital White Paper 智慧医院构成的3大要素 智慧医院主要由智慧管理、智慧服务、智慧医疗三大要素构成，这三大要素相互关联、相互支撑，共同构建了智慧医院的核心体系。

健 康 大 模 型 应 用 的 各 方 面 情 况 ， 包 括 技 术 分 析 、 伦理法律评测、模型评测及提升措施等， 为其安全、有效、合规应用提供指导， 促进医疗行业智能化发展， 保障患者权益与医疗质量 。《 医疗健康大模型应用 伦理与安全白皮书 》 围绕医疗健康大模型展开多方面探 讨， 对推动其在医疗 领域的合理应用意义重大。 本白皮书主要内容主要包含 一 下四个方面： 理能力，成为这 一行业中不可忽视的技术力量。它能够高效整合和分析海量医疗文献、研究数据和患者记录，为医 疗行业提供更多的智能化支持工具。然而，医疗行业在引入大语言模型时面临着独特的挑战。与其 他行业相比，医疗领域对答案的严谨性、安全性以及合伦理性有着更高的要求[6]。任何错误的诊断 或决策都可能直接影响患者的健康和生命，因此，如何确保大语言模型在医疗应用中的正确性、可 靠性和符合伦理，是这一技术应用中的关键问题。 医疗行业快速推进数字化转型， 从而提高医疗服务的效率和质量， 促进医疗资源的 优化配置。在资源紧张的情况下， 远程医疗和在线健康咨询能够有效缓解医院的就诊压力， 将优质 医疗资源覆盖到偏远地区， 使更多患者受益， 大模型的出现让这 一 医疗健康数字化转型的步伐迈得 更稳更有力。 首先， 医疗健康大模型在疾病诊断方面展示了巨大的潜力。传统的疾病诊断往往依赖于医生的经 验 和医学 知识 ， 但诊断的

并发布了《关于欧洲健康数据空间条例》提 案，提供法律保障。EHDS将通过构建一个由规则、共同的标准和实践、基础设施和治理框架构成的医疗生态系统，促进医 疗数据的初次利用（医护机构间的数据交换，使患者在不同欧盟成员国获得便利的医疗服务）和二次利用（用于促进研究、 创新、政策监管等活动），释放医疗数据的潜力EHDS的建设目标是让自然人控制自己的电子健康数据，让研究人员、技术 创新者和决策者等主 MyHealth@EU是促进健康数据初次使用的旗舰计划，是主要用于交换健康数据的跨境基础设施，已在12个成员国中投 入运营，欧盟大多数成员国计划在2025年之前加入。MyHealth@EU目前涵盖的数据类型包括电子处方、电子配药和患者摘 要的交换，并将扩展到允许医学图像、实验室结果和医院出院报告的交换。此外，MyHealth@EU的服务正在扩展，允许患 者访问他们自己的健康数据。2023年启动的基于eHealth Netw 性的倡议。此外，Horizon Europe的协调和支持行动正在开发EHDS计划中的数据质量和效用标签。 5.EUCAIM 欧洲癌症影像联合会（EUCAIM）项目部署了访问癌症影像数据和相关患者数据的平台，并为研究人员、创新者和临床 医生提供一个受信任的框架，以开发和基于影像数据进行可信人工智能工具的基准测试。该平台的第一个版本已于2023年9 月交付，将36个癌症类型（乳腺、结肠、肺

通过海量数据训练和参数规模的扩大，具备了更强的上下文理解、推理 和生成能力。GPT-4 在自然语言理解及生成能力上的突破，使得 Agent 能够更自然地进行人机交互。如医疗领域的 Agent 可根据患者症状快速生成诊断建议，教育领域的 Agent 能提供个性化学习路径规划。 函数调用与工具使用能力的增强：大模型的函数调用功能使其能够直接调用外部工具或服务，例如调用 API 接口 完成订单处理等。这种能力显著提升了 够支持复杂的跨模态任务，例如图像描述生成、语音识别和视频理解等。这些任务需要模型具备跨模态的感知、理解 和推理能力。 多模态大模型当前已经在多个领域得到了广泛应用，例如医疗、教育、研发等。在医疗领域，多模态模型可以整 合患者的文本病历和医学影像，辅助医生进行诊断；在教育领域，模型可以结合文本和图像内容，提供更丰富的学习 资源。 在研发领域，多模态大模型也显著提升了应用的开发效率。大模型结合应用数据进行调优，能够显著提升模型的 香港智慧医疗云原生解决方案架构图 » 解决方案 医管局通过云原生技术驱动医疗数字化转型，构建弹性可扩展的智慧医疗生态，实现成本优化与服务质量跃升。 AI 与数据能力赋能临床创新，最终构建以患者为中心的全场景数字化医疗生态，达成如下效果： 1. 降低研发成本。通过技术架构升级实现标准化、模块化，通过优化技术栈复杂度消除遗留系统负担，实现开发 成本降低约 25%，显著减少资源投入。 2

AI 增强技术恢 · 5 复出清晰的细节，识别准确率从原本的 60%提升到 95%以上。在医疗影像领域，生成 式 AI 能够从低剂量 CT 扫描图像中重建出媲美常规剂量的高质量图像，在保护患者健 康的同时不影响诊断准确性。 图：正在研发中的多模态感知机器人，来源同济大学机器人与智能感知课题组 多模态智能原生化也推动了新型传感器技术的发展。2026 年可能会涌现出一批创新的 传感器产品，如集成了边缘 来越重要的作用。 · 75 4.5 医疗健康 AI 模型 医疗健康 AI 模型辅助医生诊断、治疗和研究，提高医疗服务的质量和效率。这些模型 需要处理多模态医疗数据，满足高精度和可解释性要求，同时确保患者隐私和安全。 4.6 金融风控 AI 模型 金融风控 AI 模型保护金融机构和客户免受欺诈、违约等风险。这些模型需要在毫秒级 做出决策，同时保持高准确率和低误报率。可解释性和公平性在金融应用中尤其重要。 程医疗打破了地域限制，让优质医疗资 源触手可及。高清视频问诊提供接近面对面的交流体验，医生可以观察患者的气色、 舌苔、皮肤状况。电子听诊器、血压计、血糖仪等医疗设备的数据可以实时传输给医 生。AI 辅助诊断系统提供初步建议，医生做出最终判断。电子处方和药品配送形成闭 环服务。对于慢性病患者，远程医疗提供持续的健康管理，减少奔波之苦。健康监测 设备越来越丰富和精准，智能手表、手环监测心率、血氧、睡眠、运动；智能体脂秤

涵盖部位 上肢/下肢/ 关节 上肢/下肢/关 节 上肢/下肢/上下 肢/关节/手部 上肢/下肢/上下肢/关节/手部/… 功能 康复 康复 康复+辅助 康复+辅助 适用人群 患者 患者 患者、行动不便 者 患者、行动不便者 适用场景 医院 医院 医院、社区 医院、社区、居家 训练模式 被动 被动 主动、被动、阻 抗、助力 主动、被动、阻抗、助力 可穿戴性 不可穿戴 不可穿戴 可穿戴