首 頁
專家觀點
-
安志萍：基于決策樹算法的醫療診斷決策路徑解析 2025-04-18
一 研究背景在當今醫療數據不斷豐富和計算能力顯著提升的背景下，傳統數據分析方法已難以滿足海量醫療數據的高效分析需求。因此，利用機器學習算法輔助醫療診斷逐漸成為具有廣闊應用前景的研究方向。其中，決策樹(Decision Tree)算法作為一種關鍵的數據挖掘技術，憑借其模型結構和決策過程的高度透明性(易解釋性)，在分類和回歸任務中表現出色。它通過樹狀結構模擬決策過程，提供可解釋性強且易于理解的分析結果，尤其適合醫療領域這種需要明確解釋模…
-
醫院DeepSeek安全防御體系構建指南：從Ollama漏洞看智能診療系統風險治理 2025-04-07
國產大模型DeepSeek在醫療領域的本地化部署呈現爆發式增長，短短一個月內就有上百家醫院部署了DeepSeek。伴著這股勁風，大型語言模型快速進入了臨床決策支持、電子病歷分析、醫學影像解讀等核心場景。然而，近期曝光的Ollama一系列高危漏洞(CVE-2024-39719/39720/39721/39722)為醫療機構敲響了警鐘，該系列漏洞中，CVSS評分最高的8.2，最低的7.5分，均屬于高危級別。國家網安部門數據顯示，超過60%的Ollama用戶因未及時更新系統而面臨風險。Ollama作為…
-
高博醫療集團推動一體化電子病歷建設 賦能臨床研究 2025-04-02
高博醫療集團成立于2017年，以臨床診療、臨床研究、參考實驗室、信息化為業務重點，集團攜手一批具有豐富臨床經驗和科研能力的頂尖醫學專家共同打造獨特的“學術引領型臨床研究組織”，通過構建“臨床發現-基礎科研-產業轉化-臨床應用”的創新醫療生態體系的組織戰略，提高生物醫藥行業發展的效率和質量。在業務發展過程中，集團以數據智能為“神經和血液”，支撐臨床研究、診斷等創新業務。“在集團信息化建設戰略方面，高博醫療集團以自主研發為主、…
-
張嘯：當AI叩響醫療信息化的門扉——醫信人的破局之路 2025-04-01
AI浪潮下的醫信人焦慮與破局之道AI浪潮已然席卷而來，無論是否做好準備，它已悄然滲透進每個角落。作為深耕醫院信息化的從業者，我與同行們共享著相似的焦慮：當ChatGPT展現出指數級增長的代碼能力，當智能體按需求自動編寫Python腳本并修正錯誤，當AI生成的技術方案和PPT堪比資深專家手筆，我們不禁叩問：未來的信息部門是否會被AI取代?醫信人的價值坐標將指向何方?經過365天的躬身實踐，我可以篤定地回答：那些被AI淘汰的從業者，必然是疏于知識沉淀…
-
技術較量，思想洗禮：那些年辯論賽的故事 2025-03-31
2025年5月，一年一度的CHIMA大會將在福建廈門舉辦。作為一名醫療信息從業者，對于CHIMA大會早已是習慣和熟知了。但是當聽到第四屆HIT全國醫信工程師辯論賽將同期舉辦時，內心涌起的不僅僅是激動，更是一種深深的感慨。不知道從什么時候起，對我和很多人而言，辯論賽已成為CHIMA大會最期待的活動之一。關于辯論賽的故事，也大概要從2021年首屆比賽講起，它幾乎改變了參加過比賽的每一個人。從我和白老師的友誼講起我和白老師是因為辯論賽結識的，彼時白…
-
醫療大模型從小事做起（五）：知識庫 2025-03-26
當前，如何把DS用好成為一個關注點，結合近期使用DS經驗，個人認為，基于AI檢索的知識庫是一個不錯的嘗試。首先簡單定義一下知識庫：知識庫通常指的是經過組織、系統化存儲的知識集合，能夠被方便地檢索、查詢和更新。它不僅僅是數據的簡單堆積，而是有結構、有分類，可能還包含元數據、索引等，方便用戶高效獲取信息。前不久，我與醫院科室進行了“AI檢索+知識庫”的內部分享。在分享時，我并沒有使用上面這個略顯生澀的概念去解釋知識庫，而是用一個…
-
張镈麟：DeepSeek模型服務化部署的工程實踐與技術優化 2025-03-25
背景近年來，隨著人工智能技術的飛速發展，大型語言模型在醫療領域展現出巨大潛力。特別是在這一背景下，由深度求索公司開發的智能對話系統DeepSeek憑借其強大的高效推理能力和多輪對話交互特性，在眾多AI模型中脫穎而出。目前多家國內知名醫療機構已開展DeepSeek模型的部署工作，并通過專業期刊發布相關應用案例報告。這些權威醫療機構的實踐經驗表明，DeepSeek不僅能夠顯著提高醫療服務效率，還能為臨床決策提供有力支持，在智慧醫療建設中發揮重要作…
-
從瑞金經驗看醫療信息人的職業發展 2025-03-20
瑞金醫院從廣慈大道拐進瑞金醫院信息中心的所在樓層，鍵盤聲和討論聲逐漸清晰，需求分析與技術方案的討論穿插逐漸成為背景聲，辦公室的騰騰熱氣逐漸蒸散了初冬的寒潮。每周二至周四是固定的項目交流日。會議室里，不同項目組輪流進行工作匯報。在這個擁有55人的團隊里，上百個項目同時運轉著，但節奏依舊張弛有度。瑞金醫院信息中心似乎形成了它獨有的管理模式：在要求專業水準的同時，賦予一定的人文關懷。這種平衡之道，讓團隊在高強度的項目壓力下依…
-
楊旭：天津醫科大學總醫院借互聯網醫院之力，筑高質量發展之路 2025-03-19
2025年3月10日，天津醫科大學總醫院互聯網醫院迎來上線五周年紀念日。五年來，這家醫院從互聯網醫療的初步探索者，逐步成長為行業的領軍者，成功實現從互聯網醫院1.0向2.0的跨越，走出了一條通過互聯網醫院促進公立醫院高質量發展的創新之路。上線五年成績斐然，搭建一體化服務閉環自2020年3月10日上線以來，天津醫科大學總醫院互聯網醫院發展迅速，年接診量突破百萬。2023年接診量達106.2萬，2024年為96.2萬，年均接診量101萬。這一數據不僅彰顯了醫院…
-
醫院AI算力建設的若干要點 2025-03-19
“人工智能+”時代， 作為AI人工智能三大要素之一的“算力”成為醫院信息基礎設施的重要部分。在醫院配置算力基礎設施，為DeepSeek等大模型的內部部署、模型訓練和推理等AI應用和研究，提供一個高速、穩定、安全的AI環境，是當前國內醫院信息部門面臨的任務。算力基礎設施類型醫院AI算力基礎設施可以分為AI訓練、AI推理、AI嵌入和AI桌面設施4類，如圖1所示。圖1 醫院AI算力設施類別AI訓練設施主要用于需要高算力的大模型部署(例如DeepSeek全量模型)、…
-
張琨：生成式人工智能醫院建設熱潮的冷思考與破局路徑 2025-03-13
2025年初，隨著DeepSeek的廣泛應用，人工智能醫院建設進入快速增長階段。根據截至3月第一周的不完全統計，全國已有超過100家三級醫院部署DeepSeek，其普及速度遠超當年互聯網醫院建設。長期以來，傳統人工智能(AI)在醫療領域的應用受限于技術和數據質量瓶頸，包括數據質量和結構化程度不足、標準不統一、實施成本高昂，以及數據隱私和安全風險(特別是涉及國外數據庫和算法)。DeepSeek通過開源策略顯著降低了采用成本，私有化部署有效緩解了數據安全顧慮…
-
黃昊、秦蔚蓉：醫院本地化部署DeepSeek安全加固經驗 2025-03-11
背景DeepSeek在醫院的本地化部署已成燎原之勢，從2月初第一家醫院報道本地化完成部署后，DeepSeek就以迅猛之勢開始席卷整個醫療行業，據報道目前全國已有超過100家醫院宣布完成DeepSeek本地化部署。從勢頭看，將會有越來越多的醫院把DeepSeek引入醫院信息系統中。作為網絡安全工程師，必須同步跟進做好安全評估，解決由此帶來的安全管理問題，加強網絡安全建設，確保醫院在利用先進技術的同時網絡風險可控，安全有保障。一 本地化部署帶來的安全風險1.…
-
對話醫療信息化的“她”力量 2025-03-10
在醫療信息化領域，女性CIO用自己特有的細致、韌性、溫柔以及領導力，為醫療信息化發展和變革做出了卓越貢獻，撐起了HIT半邊天。在3月8日國際婦女節這個特別的日子里，讓我們聆聽醫療信息化領域女性CIO們對醫信行業發展的感想和感悟。在智慧醫院建設過程中，醫院女性CIO工作中主要面臨哪些挑戰？如何更好地應對這些挑戰？鄭濤上海交通大學醫學院附屬仁濟醫院信息中心主任在生活中女性是溫柔、優雅、知性的，在工作中女性CIO必須果斷、干練甚至強硬，在…
-
阮彤：基于大模型與電子病歷的醫療質控指標自動化計算 2025-03-06
醫療質控指標需求醫療質控指標既反應了治療過程的醫學質量，是醫療管理的重要手段，也是醫院評級和國考的要求。然而，當前技術手段受限，主要依賴手工報送，導致效率低、無法溯源、精準性不足等問題，難以滿足全面實時醫療管理的需求。而質控指標從單病種到專科，數量眾多，報送上述指標給醫院帶來了較大的工作量。近期，以DeepSeek為代表的生成式大語言模型引發廣泛關注，為利用AI智能化改造傳統耗時工作提供了新思路。本文以醫療質控指標計算為例，探…
-
醫院后勤安全管理體系構建探析 2025-03-05
醫院作為保障民眾生命健康的關鍵機構，后勤安全管理的重要性不言而喻。醫院后勤安全管理體系不僅關乎醫療設備的運行安全，還涉及消防安全、信息安全等多個層面，任何環節的疏漏都可能對患者的生命安全和醫院的日常運營構成重大威脅。隨著醫療技術的持續進步和醫療需求的不斷擴大，醫院后勤安全管理體系面臨著諸多新挑戰與新機遇。因此，結合醫院實際與時代需求，探索并實踐一套有效的后勤安全管理體系，對于提升醫院安全管理水平至關重要。實踐至今，后…
-
劉洋：一院多區智慧醫院建設 2025-03-04
成立于2021年的大連市婦女兒童醫療中心(集團)由三家醫院組成，分別是大連市婦產醫院、大連市兒童醫院以及大連市婦女兒童醫療中心。集團采取的是一院多區的發展模式，實現了優質資源擴容、平急結合、一體化管理、同質化服務和差異化發展。集團體育新城院區信息中心主任劉洋談到：“集團的發展目標是實現深度融合及高質量發展，要立足遼南，輻射東北，服務全國，打造成為東北地區規模最大、科系最全，專科特色突出，醫防深度融合，醫療實力最強的研究型婦…
-
任皓：解放軍總醫院DeepSeek部署實踐經驗分享 2025-03-03
近日，解放軍總醫院聯合華為公司，基于昇騰硬件及MindIE推理平臺完成DeepSeek-R1模型的本地部署，并通過MaxKB工具完成本地知識庫構建。在滿足“數據不出院”的要求下，為醫院提供了DeepSeek-R1推理模型的高效應用體驗。本文將DeepSeek模型在局域網中本地化部署遇到的一些問題進行詳細闡述，希望對廣大同行有所啟發。部署分幾個步驟，包括準備環境、創建容器、配置啟動MindIE、使用WebUI等。部署之后，我們也進行了本地知識庫構建和Java編程接入。一 準…
-
黃昊、陳俊羲：DeepSeek應用實踐探索【附2月27日直播預告】 2025-02-27
背景篇：從迷茫到真香的AI打怪之路三年前，領導一句靈魂拷問："咱醫院信息化和別人比，到底如何?"直接給我整出了"深夜加班梳理建設內容"的劇情。對標完國內相關的智慧醫院建設標準后，我長舒一口氣：幾年建設已經完成了我們的五年規劃。但信息化建設下一步如何發展?繼續卷數據治理?走數字化轉型發展，還是開啟人工智能的應用實踐呢?這又是一個擺在我案頭的問題了。2023年，隨著ChatGPT帶火全球AI熱搜，答案逐漸清晰——醫療AI將是未來的應用方向，AI不落…
-
阮彤：DeepSeek醫療行業最后一公里沖刺，花落誰家？ 2025-02-26
近期，DeepSeek由于對比其他大模型，具有一定的推理能力，迅速成為業界討論的焦點。在醫療信息化快速發展的當下，大量醫院將DeepSeek等AI模型進行院內部署。然而，諸如DeepSeek等大模型要用于醫院真實場景，仍然存在不足。本文從醫療決策、醫療質控指標計算以及模型內核三個角度，分析目前以DeepSeek為代表的大模型依然存在的問題。一存在的問題1.缺乏精準性在醫療決策任務中，DeepSeek模型的回答存在大量冗余信息。然而，實際的醫療決策場景下通常需要…
-
安志萍：探討特征貢獻度在醫療診斷模型中的應用及效果評估 2025-02-20
一 研究背景與意義在醫療診斷領域，準確性和效率是評估模型的關鍵標準。醫療診斷模型的性能不僅影響患者能否獲得精準的治療方案，還關乎醫療資源的合理分配和醫療系統的整體效率。因此，提升模型的預測準確性和泛化能力成為研究的重點。在醫療診斷模型開發中，疾病預測至關重要，需準確快速地對患者癥狀和體征進行分類，而其性能優劣很大程度上取決于數據特征的選擇與優化。特征貢獻度分析作為評估各特征對模型性能影響的方法，在醫療診斷模型中意義重…
