CHCC2025第26届全国医院建设大会：构建诊后患者服务平台：医疗大模型优化与 AI 智能体的融合实践

历史沿革1971年1992年底子薄基础差底子薄基础差发展快2024年2024年2017年2002年2011年2006年2011年2006年高质量快速发展河北医大一院国考成绩排名跃升图A+A+A+连续两年位列A+，CMI值：2022年1.25，2023年1.37精致医院“精致医院”理念“精致医院”理念智慧医院建设目标20242024202320232022政策机遇与行业痛点2024年11月，国家卫生健康委印发《卫生健康行业人工智能应用场景参考指引》（以下简称《参考指引》），从医疗服务管理、基层公卫服务、健康产业发展和医学教学科研四个领域指出了84个应用场景，以此推进卫生健康行业“人工智能+”应用创新发展。其中有18个场景明确提出要利用大模型技术辅助医生规范化诊疗、提高临床诊治效率和质量。"在国家大力推进'健康中国2030'战略的背景下，诊后服务的规范化、智能化已成为医疗高质量发展的必答题。河北医科大学第一医院作为河北省首批智慧医院建设标杆单位，在实践中发现：传统诊后管理模式面临信息孤岛、人力不足、个性化缺失三大瓶颈。如何通过技术赋能实现从'出院即脱管'到'全周期守护'的跨越？我们的答案是——构建医疗大模型与AI智能体深度融合的诊后服务平台。"技术背景：大模型时代为什么本次的人工智能和以往不同？u人工智能正迈入大模型时代，加速构建更高阶的通用人工智能（AGI，ArtificialGeneralIntelligeTransformer架构发现模型性能随参数量线性增长scalinglaw多模态大模型问世智力涌现迈进AGI人工智能引向了大模型时代高阶的通用型人工智能大语言模型参数规模庞大高阶的通用型人工智能模型优化、数据优化框架优化框架优化全球AI市场概览大型模型正在推动AI能力的提升与边界的扩展，能力水平不断提高，AI使用时间也不断增加。美国和中国已成为主要竞争主体，而国内在应用场景方面具备显著优势。全球人工智能市场规模正在持续扩大，预计到2027年将迎来普适AI的时代，届时AI软件市场规模将达到1569亿美元，2028年将超2154亿美元。院内需求患者需求：恢复期生活、药物使用、运动及饮食等方面的问题，需要随时获得专业建议。医生需求：减轻医生对各类群回复和管理的负担，同时提高患者的粘性，优化资源配置。医院需求：提升医院的医疗信息化管理水平，患者满意度，积累患者数据，辅助医疗决策。n优化医护资源：智能问答系统分担部分医护工作，使得医护人n降低再入院率：通过系统的持续监测和及时建议，减少术后并n积累医疗数据：系统使用过程中积累的患者n学术价值（知识库建设）：开发并持续更新术后管理知识库，医疗大模型优化与AI智能体的融合实践诊后服务平台不仅是技术工程，更是医疗服务模式的重构，基于DeepSeek微调的大语言模型（LLM）和检索增强生成（RAG）技术的智能问答系统，为术后及诊后患者提供出院后的健康管理支持。离院患者可获得及时准确的健康咨询和管理建议，提高诊后恢复的效果，减少复发风险。减轻医护人员的负担，提升患者就医体验。产出具有学术和应用价值的患者全健康档案信息、临床指南知识库、药品知识库、疾病知识库等。应用场景n智能问答：通过小程序或网站，患者可以随时咨询术后诊后相关问题，获得个性化建议。包括饮食、药物管理、锻炼、并发症预防等内容，为用户提供全方位的健康管理建议。n术后康复管理：以骨科关节置换术后患者为例，AI智能体根据手术类型、患者体质生成个性化康复运动方案，并通过视频指导、进度追踪确保执行效果。n慢性病管理：针对糖尿病患者，整合连续血糖监测数据，AI智能体动态调整用药建议和饮食方案，实现对糖尿病患者的7x24小时智能管理。DeepSeek场景桥接的关键难点和技术局限542垂直领域微调542垂直领域微调3院内系统深度集成1可解释性与临床信任可解释性与临床信任l黑箱疑虑：患者拒绝接受无法追溯依据的AI建议资源依赖高质量数据医院部署DeepSeek怎么选？版本参数量模型大小特点适应性7B版本70亿4.7GB适合基础的医疗知识问答、病历文本生成、简单的病例分析等任务小型医院或基层医疗机构32B版本320亿20GB用于复杂的医疗文本生成、病例分析、临床辅助决策等任务大型医院的科室或中等规模的医院70B版本700亿43GB用于高精度的临床辅助决策、多模态数据分析、复杂病例研究等任务科研机构或大型三甲医院671B版本6710亿404GB用于前沿科学研究、复杂商业决策分析等任务国家级科研机构或超大规模医疗研究项目资源依赖难点：硬件支持1221312213425617881高质量数据与集成难点：采用L4级解决方案•本地化部署+多个业务系统数据融合+Agent•本地化部署+多个业务系统数据融合（如His、EMR）•本地化部署+单个业务系统融合（如His）•本地化部署+接入业务环境L4：本地化部署+多个业务系统数据融合+Agent•（如检验项目趋势）缺点：•对接多系统数据（接口问题）•数据治理难度较大不同系统的数据需要建议同一套数据标准同一个患者门诊、急诊、住院数据需要关联•场景功能需要开发，成本较高针对可解释性与临床信任难点：构建丰富的知识库丰富医学知识体系，覆盖临床常见病，动态更新（1月/次满足临床知识辅助需求。评估量表库检查知识库1200+诊疗路径库诊疗路径库药品知识库9900+文献知识库28000+文献知识库28000+合理性规则库合理性规则库注注：支持另配置其他第三方知识库，如爱思唯尔、BMJ、人卫知识等指南文献指南文献疾病专题临床路径药典说明书 系统主动推荐 医生自主检索技术方案......检查预约如何病情分析“靠谱”？大模型技术现存的一些问题幻觉简而言之“胡说八道”无法溯源知识无法及时更新模型无私有数据通过RAG技术来解决先在大规模文档库中搜索并筛选出与任务紧密相关的素材，然后依据这些素材精准指导后续的回答生成或文本构造过程，从而提升模型输出的准确性和可靠性。简而言之：先让大模型去书架上看‘指南和教材’，然后再进行内容输出。专业知识实时更新用户体验经济效应充分利用基座大模型的优势，节省安全风险数据传输过程中的安全风险；外挂知识库则可以避免模型训练过程中如何提升模型专业能力？模型微调-从通才到专家1、采用"预训练+微调"模式，在通用医疗大模型基础上，利用20万+出院患者真实数据进行专科领域微调，提升专病管理的精准度。2、建立动态反馈机制，通过患者满意度评价、交互数据回溯持续优化模型。简单来说，就是拿一批“标准答案”来手把手教AI。使模型能够将通用知识转化为符合特定需求的能力，就像老师用教材和范例教学生守规则、学技能。微调前后对比问题：男，42岁，发热1周，经过治疗后热势已减，但仍感觉疲倦乏力，该首选哪些药物进行治疗？微调前微调后需要选择首选药物。4.需要考虑患者可根据病原体类型和患者的临床表现选择合适的药物。4.药物选择依据:1.有效性：药物对目标病变有显著的治疗效果。2.安全性：药明显不良反应。4.病原体敏感性：病原体对药物有敏......方案示例输入输入向量索引向量索引由于我不知道您之前的病情具体是什么由于我不知道您之前的病情具体是什么......如果您对喝咖啡有特定的担忧，请咨询您的医疗保健专业人员，......具体的情况提供指导。放置心脏支架后的患者可以适量饮用咖啡，但需注意适量。根据《美国心脏协会(AHA)》和《2020-2025美国人膳食指南》......研究表明，适量饮用咖啡与心血管健康有正面关问题：根据我之前的病情，认为我可以喝咖啡吗？请基于以下材料回答上述问题：根据我之前的病情，认为我可以喝咖啡吗？请基于以下材料回答上述问题：片段1、病情总结...片段2、心脏协会(AHA)》的饮食建议....片段3、《2020-2025膳食指南》....系。......营养师的建议。 实施路线部分案例健康问答饮食健康健康问答引出院带药信息查询用药词典多模态图片分析引出院带药信息查询用药词典临床指南知识库患者360档案临床指南知识库各知识库库建设 临床指南文献知识库(3W+） 疾病知识库（3401） 药品知识库(1W+更权威更准确药品目录）患者健康档案信息库，为不同患者提供个性化服务无患者档案的智能体VS有患者档案的智能体无患者档案时，通用的回复没有考虑到患者的实际情况结合患者的档案记录，给更符合患者情况的回复无药品知识库VS有药品知识库可信度?可信度?更确为深入临床诊疗活动，我院3月3日全面上线了“DeepSeek+CDSS”项目。依托医院的算力平台，借助并微调DeepSeek的核心推理能力，结合全量患者数据，辅助临床对患者进行“病情分析、鉴别诊断、病历质控、推荐治疗”等功能。挑战与方向：前瞻性思考与战略布局现存挑战n伦理风险、算法偏见、数据隐私、责任界定等问题亟待解决。n技术瓶颈：医疗大模型的可解释性不足，需引入联邦学习、因果推理等技术提升透明度。未来方向n多模态融合：探索医学影像、基因组学与大模型的深度结合。n生态构建：联合高新企业、可穿戴设备厂商打造"医院-社区-家庭"协同服务网络。n政策响应：积极参与医疗AI标准制定，推动诊后服务平台纳入医保支付范畴。未来规划科学谋划整体布局科学谋划整体布局明确目标重在建设统筹协调加快创新打造复合型团队，支撑医疗AI大模型。建立懂临床、懂AI的复合型团队，坚持核心算法自主开发。跟