智慧医疗在多环 节部署的牵引力就是突然催生的需求和应用场景。纵观本次疫情中的智慧医疗 应用，大致可分为智能问答、线上问诊以及 AI 辅助诊疗。 在诊前环节，虚拟助手依靠自然语言处理和知识图谱等 AI 技术提供智能问答服 务，承担减轻恐慌、分流普通患者的任务；同时，线上问诊作为线下诊疗的补 充，在患者就诊前通过人机交互技术快速收集患者病情信息，进行患者筛查， 减轻医院和医生负担，实现智能分诊与导诊。 7 日，国家卫生健康委网站发布《国家卫生健康委办公厅关于在疫情防控 中做好互联网诊疗咨询服务工作的通知》，浙大医学院附属邵逸夫医院联合开 发的智能问诊系统及智能自诊筛查工具被作为范例推广。同时，全国多家公立 医院均接入医疗科技企业提供的智能问诊平台，患者通过人机交互平台进行院 前自诊，医院可以快速收集患者病情信息并快速筛查，实现智能导诊与分诊。 在诊中环节，主要是互联网医院开放的在线诊疗功能，以及 疫情之前，受制于用户对线上医疗情景的接受度以及政策支持力度问题，互联 网医院的发展一直不温不火。而借由此次疫情，政策加大对“互联网+”医疗的支 持，用户对于线上服务的接受度大大增加，医院开通各类线上问诊的进程加快， 涵盖发热门诊以及慢性病等各类科室的复诊。 更重要的是，多地医保局出台在政策，医保支付正式开始覆盖慢性病、常见病 的复诊和续方费用，这将是互联网医院发展过程中的重要里程碑，下图是部分

5 6 7 2 医疗健康行业 AI 应用全景 8 3 阿里云助力医疗健康 AI 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 应用的产品和服务且已备案的模型和算法 数量已达 101 个， 呈逐步上升态势。这些备案的 模型和算法广泛分布于各个领域，为医疗健康行业 的智能化发展提供了有力的技术支撑与保障。具体 的分布领域如下： · 问诊对话占比 48%，即模拟医生问诊过程，基于用户 输入的症状与病史等文本信息，为用户提供疾病诊断与 治疗建议； · 健康评估与咨询占比 24%，即根据用户输入的问题文 本，生成医学相关文本答案，为用户提供健康咨询、报 辅助诊断占比 5%，辅助医生诊疗决策，根据用户输 入的血常规数据、医学染色体核型病例图像， CT、MR 等多模态医学影像等，生成重构的医学图像数 据及诊断 结果文本数据 ； 此外，还包括中医问诊、医疗设备指导、医药 问答、医保政策 AI 助手、医学科研助手、病历检索 分析、应急救援等生成式模型和应用。 1. 数据来源：国家互联网信息办公室 6 AI 医疗发展支持政策 “ ” 以评促建

.........................................................................................63 4.1 智能问诊与分诊..................................................................................65 4.1.1 症状分析与初步诊断 检验数据、HIS 医嘱信 息的综合分析；第三，安全合规框架下的模型迭代机制，必须满足 等保 2.0 三级要求，实现数据脱敏准确率 99.99%且审计日志全留 存。某试点医院的压力测试表明，当并发问诊量达到 1500 人次/小 时时，系统推理延迟需稳定控制在 800ms 以内，这对知识蒸馏和 模型量化提出了严苛要求。 2.1 医疗系统的痛点分析 当前医疗系统在数字化转型过程中面临多重挑战，这些痛点直 关键业务链路设置熔断机制（错误率>5%自动降级） o 审计日志全链路追踪，保留周期≥180 天 系统通过分级缓存策略（Redis+本地缓存）保障高并发场景下 的性能，在三级医院典型环境中可支持≥2000 次/秒的并发问诊请 求。所有医疗数据处理均在通过《医疗卫生机构网络安全管理办 法》认证的环境中进行，原始数据不出域，模型推理结果经伦理审 查模块过滤后输出。 3.1.2 模块划分与功能设计 医疗系统接入 DeepSeek

医疗健康大模型概述 医疗健康大模型是一种结合了大语言模型的强大交互能力和海量的医疗专业知识的智能系统， 专 门用 于解决 医疗和健康领域中的各 种 问题。 这些 智能利用海量专业医疗 文献 和问诊数据进行 训练了 基座大模型， 外接了专业的医疗相关知识库用于补充推理时的知识依据， 涵盖了包括疾病诊断、个 性化治疗、药物发现、医学影像分析等诸多方面。 05 PAGE 医疗健康大模型伦理与安全白皮书 发技术框架来管理复杂的流程， 以确保模型的高 效构建和应用。 一个完整的框架主要分为数据层、训练层、部署层和推理层几部分。 数据层的开发必须确保数据来源的多样性和可靠性， 包括电子病历、医学影像、历史问诊记录、 医院科室等多种数据源。同时， 还要保证数据的质量， 进行清洗和标准化处理。数据标注是关键步骤， 它将原始数据转换为可用的训练数据， 通过专家标注或自动化标注工具为数据添加标签， 并确保隐 致力于提供个性化的 推荐 与预 测服 务。这 一 过 程 要求 对海 量的 个体 化数据 进 行 深度 处理， 将多 源异 构 的个 人健 康 信 息，涵盖健康档案中的各类检查数据、既往病史详情以及历史问诊记录等， 精准地融入到推理流程之 中。通过复杂的数据挖掘与分析技术， 从丰富且繁杂的个人数据中筛选并提取出与当前症状具有高 相关 性的关键信息片段， 以此作为核心依据， 为当下的医患对话赋

另一方面，患者对中医院门诊的服务质量和响应速度要求越来 越高。随着数字化医疗的发展，患者希望在就医过程中能够体验到 更便捷的信息服务和更高效的就医流程。调研数据显示，超过 70% 的患者希望能够通过线上平台进行初步问诊和病历记录，从而节省 排队等候的时间。 为应对上述挑战，很多中医院开始探索引入人工智能技术，推 动门诊服务的智能化转型。采用 AI 大模型的方案可以通过自动化 的手段进行病历生成和信息提取，不仅能提高病历记录的效率，减 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 门诊管理人员的深度访谈，了解具体的业务流程、现有的病历生成 方式以及痛点。这一阶段将帮助明确模型需满足的功能，如病历模 板的灵活性、不同病症的信息提取等。通过系统梳理，可以得到如 下需求列表：  输入：医生的问诊录音、症状描述以及既往病史。  输出：标准化的病历文档，包括主诉、现病史、体征及中医辩 证情况。  精确度：对病历信息的提取和生成需确保高于 95%的准确 度。  用户友好性：医生可通过简单的界面调整病历内容。

步测试数据，预约时间平均缩短了 30%，患者满意度调查显示，预 约系统使用满意度达到了 85%。 其次，DeepSeek 的智能问诊功能能够根据患者的症状描述， 快速匹配可能的疾病类型，并推荐相应的科室和医生，减少了患者 因信息不对称导致的误诊和重复就诊。数据显示，智能问诊的准确 率达到了 90%，患者对问诊流程的满意度提升了 20%。 此外，DeepSeek 的个性化健康管理功能能够根据患者的病 史、生活习

数据来源：利用电子健康记录（EHR）、医学文献和临床试验 数据进行模型训练。  模型类型：根据应用需求选择合适模型，如 GPT、BERT 等进 行文本生成与理解。  场景应用：患者病历生成、智能问诊、个性化医疗方案制定、 决策支持等。  技术集成：与现有医疗信息系统、设备接入 AI 模型，实现无 缝对接。  合规与安全：制定数据保护政策，确保遵循 HIPAA 等相关法 规，保护患者隐私。 化 的治疗方案和健康管理建议。这样的服务不仅提升了患者的满意 度，也对治疗的有效性产生了积极影响。 此外，在提高医疗效率方面，AI 生成式大模型能够在多个环节 中优化流程。例如，在预约挂号、问诊初步筛查流程中，可以通过 模型自动处理患者的描述-症状匹配，从而安排合适的专家进行进 一步诊疗。这不仅减少了患者的等待时间，也提高了医生的工作效 率。 为了更具体地体现医疗场景的需求分析，可以列出以下几个关 定期健康评估：用户可以每月进行一次健康自评，系统根据评 估结果提供个性化反馈。  社区支持：用户可以加入各种健康社群，互相交流经验和建 议，提升整体的参与感和粘性。  专家咨询：用户可以直接通过平台预约医生的在线问诊，提升 医疗服务的可及性。 为了量化平台的成果，可以参考以下数据：  用户满意度：95%的用户对健康管理建议表示满意。  健康改善率：在使用平台六个月后，80%的用户表示其健康状 况有所改善。

应支持门诊缴费功能，方便患者查询门诊待缴费记录和历史缴费记录，并 通过微信支付院内门诊流程中产生的费用。 (3)候诊排队 患者在挂号后，应支持在手机端查询排队信息，了解目前队列人数及自身 号码，及时掌握医生目前问诊速度，合理安排时间。 (4)处方查询 应支持患者使用微信公众号/小程序查询在院内的处方信息，提高公共信息 透明度，提升患者就医体验。 (5)检验检查报告查询（含图像） 患者在医疗机构进行医 当前医生队列候诊情况，接近预约时间系统应支持以短信或消息的方式提醒居 民。 7.10.3.1.2.4、线上问诊 系统支持医生向居民发起在线视频问诊请求。居民接受后即可通过音视频 通道与医生进行实时沟通。 7.10.3.1.3、我的问诊 系统应支持患者查看自己图文咨询、电话咨询、视频咨询，复诊配药及线 上诊疗等问诊记录。 7.10.3.1.4、我的订单 线上诊室医生开出检查检验单或者处方单后，系统应支持居民查看药品配 2.3.1、视频问诊 系统支持医生可在到达预约时间向居民发起视频请求，居民通过后即可实 现在线的视频诊疗；如果居民未及时响应，医生可将该居民的排队序号根据设 置的规则安排一个新的排队序号。 诊疗过程中的视频、语音等文件应支持储存备份。 7.10.3.2.3.2、即时通讯 支持医患双方通过即时通讯进行在线文字、语音、图片互动。 7.10.3.2.3.3、在线处方 视频问诊结束后，系统应

新文献数据、监控行业动态等方式，持续优化知识图谱的内容和结 构，确保其与时俱进。 最后，知识图谱的应用场景广泛。例如： - 药物研发：通过分析药材与病症的关系，为新药研发提供思路。 - 智能问诊：结合患者的症状，推荐合适的方剂或治疗方案。 - 教育培训：为中医药学习者提供结构化的知识体系和学习路径。 - 产业协同：为药材种植、药品生产、销售等环节提供数据支持。 中医药知识图谱的构建不仅提升了中医药领域的智能化水平，

耗时、易出错、标准 化程度低等问题。AI 辅助病历书写系统的需求分析需从临床流程、 数据整合、合规性三个维度展开。 从临床流程角度，系统需满足以下核心需求：  实时语音转写功能，支持医生在问诊过程中自动生成结构化文 本，转写准确率需达到 95%以上（基于现有医疗语音识别技 术基准测试数据）  智能补全功能，根据患者主诉自动关联既往病史、用药记录等 数据，减少重复录入  关键