引言

　　人工智能技術正加速滲透醫療領域，成為推動精準診療與高效管理的核心引擎。作為全國三級公立醫院“排頭兵”，中國科學技術大學附屬第一醫院(又稱安徽省立醫院，以下簡稱“中國科大附一院”)率先完成AI大模型DeepSeek的本地化部署并與院內業務系統深度融合，以“AI+醫療”技術創新破解醫療數據應用難題，為智慧醫院建設注入新動能。

從“通用”到“專業”——AI大模型落地攻堅

　　我國醫療數據規模龐大，但基層診療效率與精準性仍面臨挑戰。全國政協委員、中國科大附一院黨委書記劉連新指出：“醫療AI需從‘通用型’向‘垂直專業型’升級，才能真正賦能臨床。”

　　2025年2月21日，中國科大附一院完成DeepSeek醫療大模型的本地化部署，成為安徽省首家實現AI算力平臺與模型深度集成的醫療機構。醫院建設的AI算力平臺已具備模型推理、微調、訓練、動態加密、多模型服務統一管理、多類型顯卡兼容的能力。通過診療業務系統開發，將DeepSeek能力深度融入到多場景診療全過程，可實時關聯電子病歷、影像報告及檢驗結果等，輔助醫生快速定位診療關鍵路徑，提升診療質量。同時借助算力平臺嚴格的數據安全設計模型加密技術，確保患者信息“不出院”，在隱私保護與數據利用間取得平衡。劉連新強調：“此舉不僅為了提升診療效率，更為構建醫療專業型AI生態奠定基礎。”

圖1 AICP算力平臺本地化部署

五大場景落地 全鏈條賦能醫療提效

　　依托DeepSeek大模型賦能與第三方算力平臺的GPU資源優化支撐，中國科大附一院實現了高效的AI技術與醫療場景的深度融合，覆蓋診斷、管理、服務全流程：

　　1.智能病歷質控

　　本地化部署DeepSeek與病歷質控系統充分融合，通過自然語言處理技術，對病歷內容進行全自動審查，識別邏輯矛盾、術語錯誤、關鍵信息遺漏等問題，并實時反饋修改建議。例如，系統可自動檢測“既往病史”與“當前用藥”的沖突，或標記未按規范填寫的診斷描述。上線后，病歷質控耗時降低，格式準確率得到有效提升，顯著提升病歷書寫規范性與醫療質量安全。

圖2 智能病歷分析

　　2.臨床輔助診療

　　DeepSeek深度融入臨床決策支持系統(CDSS)，可實時抓取患者當前診療信息(如主訴、體征、檢驗指標)及歷史病歷數據(既往診斷、用藥記錄、影像結論)，通過多維度數據分析自動生成結構化診斷結論與依據。例如，針對一名反復腹痛患者，系統自動關聯其胃鏡檢查歷史、過敏藥物記錄及當前血常規異常指標，綜合分析后提示“慢性胃炎急性發作可能性較高”，并列出鑒別診斷要點(如排除膽囊炎、胰腺炎)，同時推薦針對性檢查與治療方案，診斷依據的完整性與邏輯性顯著提升，為高效精準診療提供可靠支持。

圖3 臨床輔助診斷

　　3.健康管理數智革新

　　DeepSeek整合多源體檢數據，提供智能交互與分析界面，幫助醫生和患者分析體檢數據、提供健康指導意見，打造覆蓋“數據采集-智能分析-輔助決策”的全周期智慧健康平臺，顯著提升診療效率與服務體驗。目前，大模型已應用到健康中心體檢報告智能解讀、總檢報告輔助生成以及健康體檢質控等多個場景，不僅讓用戶在體檢后能迅速讀懂報告，也為每位醫護人員提供全天候的智能輔助支持。

圖4 體檢結果和綜述 

圖5 DeepSeek報告智能解讀

　　4.放射、檢驗輔助診斷

　　大模型實時調取放射信息系統提供的檢測數據(如CT、MRI影像及實驗室指標)，通過AI深度解析檢查所見內容，自動生成結構化診斷建議。例如，針對肺部CT檢測中發現的結節，系統自動測算結節大小、密度及邊緣特征，結合患者病史與腫瘤標志物水平，提示“早期肺癌高風險，建議穿刺活檢或3個月隨訪”。DeepSeek與LIS(實驗室信息系統)深度對接，自動關聯檢驗結果與患者病史、用藥記錄，輔助醫生快速定位異常值。例如，對腎功能異常患者，系統自動提示近期用藥中的腎毒性藥物，并推薦復查指標。測試顯示，醫生綜合影像與檢驗數據的決策時間顯著縮短，為精準診療提供高效支持。

圖6 放射報告解讀、診斷

圖7 檢驗報告解讀

　　5.手術智能護理

　　DeepSeek與手術護理系統深度融合，可實時整合患者電子病歷、術前評估數據及術中生命體征監測的信息，動態分析風險點，生成個性化護理建議。例如，在髖關節置換手術中，系統自動關聯患者年齡、骨質疏松病史及術中出血量，提示“術后24小時內重點監測深靜脈血栓風險，建議間歇充氣加壓裝置干預”;同時結合術后疼痛評分與炎癥指標，推薦階梯鎮痛方案與感染預防措施。DeepSeek與手術護理深度融合，護理操作規范性提升了30%，為患者圍術期安全提供智能化保障。

圖8 手術智能護理

打造醫療AI創新高地、樹行業標桿

　　作為連續七年位列“復旦版中國醫院排行榜”全國百強的頂尖機構，中國科大附一院始終引領技術變革：

　　● 科研硬實力支撐：近三年授權國家專利860件，承擔國家重點研發計劃20項，AI訓練依托的PB級數據庫涵蓋19萬例手術、670萬年門診數據;

　　● 未來布局：規劃研發專科型AI模型，重點攻關腫瘤早篩、器官移植預后預測等尖端領域;

　　● “醫療AI的終極目標是‘以患者為中心’。”劉連新表示，醫院將持續探索AI與機器人手術、遠程診療的融合，推動“數智醫療”惠及更多百姓。

結語

　　從本地化部署到場景化深耕，中國科大附一院以AI大模型為支點，撬動醫療質量與效率的全面躍升。這一實踐不僅為三甲醫院智慧化轉型提供范本，更彰顯中國醫療AI“自主可控、專業深耕”的創新決心。未來，隨著更多垂直模型落地，醫療人工智能的“中國方案”或將重新定義全球健康產業格局。