艺、流程的标准化和现代化”的重要发展方向。 1. 智慧中医的产业场景 从《规划》来看，智慧中医应用可分为智慧医疗服务、智能辅助诊断设备和 智慧中医药产业三个大类，其下又可细分为①中医经验传承、②中医诊断、③中 医非药物治疗、④中医处方及药房、⑤中医药研究、⑥中医药监管场景、⑦中医 院外管理等七个具体场景。 2 图 1. 智慧中医全场景地图 （资料来源：公开资料整理） 辅助做出更精准全面的诊断。 中医非药物治疗场景是指借助机器人、AI 实现针灸、推拿、刮痧、拔罐、音 乐疗法等中医适宜技术。 中医处方及药房场景指的是在诊断后，借助大数据和 AI 辅助药方的开立， 并在智慧中药房中完成处方的审核、调剂、煎煮。 中医药研究场景指的是运用大数据挖掘、AI 图像识别、自动化技术，对组 方合理配伍、药物有效成分、中药材科学种植、质量稳定性等进行研究，用现代 科学解读中医药学原理 医专家花费大量精力进行手工 标注，构建成本非常高，不依赖标注的神经网络技术作为机器学习领域的一个重 要分支也同样受到了大量研究者的重视，模糊计算、粗糙集等一些数学方法也被 应用到中医诊断的研究中。 在早期，研究者一般采用一种或两种技术来解决中医的智能诊断问题，随着 研究的深入和问题复杂度的增加，研究者发现采用多种技术更加有利于诊断问题 的解决，多种智能技术混合开始用于问题解决。

在读硕士研究生, 主要从事医院评价方面的研究。 通信作者: 庄一强 (1964-), 男, 中国香港人, 博士, 研究员, 主要从事医院评价方面的研究。 •卫生信息• ChatGPT 在中医医院智慧化建设中的应用、 挑战及对策 李启渊1, 张 静1, 徐权光2, 庄一强1,2, 龚文进1 (1. 广州中医药大学公共卫生与管理学院, 广东 广州 510006; 2. 广州艾力彼医院管理中心, 广东 广州 强中医医院信息基础设施建设; 鼓励生成式人工智能技术研发; 完善管理制度与监管体系, 推进生成式人工智 能技术在中医医院智慧化领域的合理应用等建议。 关键词: ChatGPT; 生成式人工智能; 中医医院; 智慧化建设 中图分类号: R197. 4 文献标识码: A 文章编号: 1003-2800(2024)04-0078-04 Application, challenges and countermeasures 代表人工智能领域取得突 破性进展, 生成式人工智能或将引发人类生产生活的 巨大 变 革。 生 成 式 人 工 智 能 ( Artificial Intelligence Generated Content, AIGC) 是指具有文本、 图片、 音 频、 视频 等 内 容 生 成 能 力 的 模 型 及 相 关 技 术 [1], ChatGPT 作为生成式人工智能的代表

CHIMA UNION HOSP TALTONGJ MEDICALCOLLEGE HUAZHONG UNivERSITY OF SCIENCE AND TECHNOLOGY 信 息 与 数 据 中 心 目 录 1 新技术为智慧医院建设提供新动能 2 工业互联网 + 区块链技术的应用分析 3 工业互联网 + 区块链技术的应用探索和展 望 CHIMA 新技术为智慧医院建设提供新动能 CHIMA 以人民健康为中心，推动高质量发展 带来了数字技术的发展、新基建的能力 从两大国家战略看本源 CHIMA 智 慧 医 院 的 本 源 健 康 中 国 战 略 数 字 中 国 战 略 同济医学院附属 t 和 院 U N I O N H O SP TA LTO N G JI M ED I C A L C O L LE G E 医院利用多种多样的技术手段对医疗质量和安全更具控制力 ，对 患者和医务人员的需求更具洞察力 ，对医学的发展更具支持力。 智慧医院的内涵（以信息技术应用为基础，帮助医院提质增效） 路径：新技术在医疗场景中的创新， IT 架构与应用需求的融 合 改变传统耗时耗人的医疗服务流程、 改善医疗质量、提高工作效 率、 降低医疗成本、提升患者就医获得感等 指医院资源更为丰富 ，更具创造力 ， 医院运营成本和效率更合理；

Planning Committee ） 技 术委员会 （ Technical Committee ） 领域 委员会（ Domain Committee ） IHE 的委员会组 成 l IHE 的目的：在于为医疗部门、企业、跨企业以及国家 l 级的卫生保健体系提供卫生保健服务的协同工作方案 l 提高临床应用的效率（ Efficiency ）和效力（ Effectiveness Interoperability ） l 改善临床工作流程 l 改善图像质量和一致性 l 改善数据的准确性和可用性 l 降低运作成本（可复用电子数据输入） IHE 目 标 l 确定出一些医疗企业中工作流程和集成方面的关键问题 l 对问题进行研究，选择最合适的标准来提出解决方案 l 撰写，讨论并出版 IHE 技术框架文档 l 开发出原型 l 在年度测试大会（ Connectathon ）上进行测试 两个标准。 l 通过协同工作方案，提高临床应用的效率和效力，改善系统协同工作能力， 改 善临床工作流程，改善图像质量的一致性，改善数据的准确性和可用性，降 低 成本，通过 IHE 的工程框架定义成解决方案。 l 用标准的解决方案代替私有方案， IHE 所提倡的是基于 DICOM 、 HL7 的集成。 IHE 最终目标是医 院 l 不同业务 [ 影像、检验 ] -> 领域（ Domain

..................................151 1. 项目背景 随着人工智能技术的快速发展，AI 大模型在医疗领域的应用潜 力逐渐显现，尤其是在中医院的门诊病历管理中。传统的病历记录 方式往往依赖医生的手写和口述，不仅效率低下，还容易出现信息 遗漏和书写不清等问题。此外，随着病人数量的不断增加，门诊的 工作压力不断增大，因此亟需一种高效、精准的病历自动生成工 案，既是对传统医疗模式的积极革新，也是提升医疗服务质量的重 要举措。随着技术的不断成熟和医务人员对新工具的认可，未来该 方案将对中医院的工作流程和患者体验产生深远的影响。 1.1 中医院门诊现状 在当前医疗体系中，中医院门诊作为重要的医疗服务环节，承 载着大量患者的诊疗需求。中医院门诊主要分为药物治疗、针灸、 推拿、理疗等多种治疗手段，涵盖了中医理论与实践的广泛应用。 然而，随着患者人数的增加和就诊频率的提升，中医院门诊在服务 直接影响了医生对患者的诊疗效率。此外，缺乏标准化的病历记录 流程，也导致了病历质量的参差不齐，影响了后续的医疗决策。 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

少量特定领域标注数据 （成本高） 微调小模型 （学习特性） ⑤ 数 基 生 命 1.模型角度：模型参数不再是随机初始化，而是通过一些任务（如语言模型）进行预训练； 2.数据角度：将训练任务拆解成共性学习和特性学习两个步骤。 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn 以英文电子病历后结构化为示例 ③ 精 准 lvhairong@tsinghua.edu.cn 通过对海量文本的学习，自动构建了一个含有 1750 亿参数的大模型，建立了对这个世界基本的逻 辑 认知，由此产生了基于逻辑的推理能力 实际上是根据对话中的最近 4095 个记号，算出紧接着最可能是哪个记号 但， ChatGPT ≠ 模型 模型负责把最近的对话内容翻译为一张概率表 ChatGPT 负责根据这张表选出下一个记号，再让模型算再下一个记号的概率 练 大模型语言本身具有很强的语言理解或生成能 力，然而为了提高其叙述内容的真实性和严谨 性，需要采用特定的技术路线，例如将知识图 谱中的事实描述融入大模型的训练过程中。 知识嵌入： Zhang 等人通过将知识图谱的表示 向量加入到 BERT 中对应的 tokens 编码内，从 而 使得模型学习到与知识相关的事实信息，增 强 了模型在相应知识领域的准确性。 [1] 相关模型在 FewRel

先了解人工智能发展简史和发展方向 再介绍大模型的概念和与人工智能的关系 接着介绍垂域模型与智能体的概念 了解以上概念后开始将交流和畅想疾控与人工智能 + 再接着介绍 DeepSeek 大模型 最后是普通疾控人在工作中的具体使用探索交流 1 . 1 著名的图灵测试 1950 年，“计算机之父”和“人工智能之父”艾伦 · 图灵 (Alan M.Turing) 发表了论文《计算 机器与智能》 , 这篇论文被誉为 IBM 超级计算机击败国际象棋冠军，体现专用 Al 的突破，但通用智能仍未实现。 ◆ 2012 年——技术突破的转折点：深度学习崛起， Geoffrey Hinton 团队在 ImageNet 竞赛中以卷积神经网络将错 误率 从 26% 降至 15%, 引发算力与数据驱动的 Al 革命。 ◆ 2016 年—— AlphaGo: DeepMind 击败李世石，引发公众对 Al 潜力的广泛关注，推动资本涌入 GPT-4 、 deepseek 等模型实现高质量 内容生 成。 1.3 人工智能的发展阶段 从 1956 年人工智能元年至今，人工智能的发展历程经历了漫长的岁月，大致可以划分为以下 6 个 阶段 一、人工智能发展简史了解 互联网推动人工智 能不断创新和实用 深蓝战胜国际象棋冠军 BM 提出智慧地球 我国提出感知中 国 深度序习与 大数据兴起 带来了人工 着 能的爆发

医院核心数据 病患 云南肿瘤、柳州儿童、兰大二院、上海十院、常熟人民等多家医院对此场景表示出了担心和顾虑！ | www.ruijie.com.cn 6 挑战 3 ：业务应用复杂，管理维护成难题 6 数字化医院信息化平台 建筑智能化系统平台 医院私有云平台 管理 / 临床系统 HIS/CIS 医院资源规划 HRP 电子病历 临床路径 社区卫生系统 区域医疗平台 卫生主管单位垂直系统 通过该区域与同城灾备中心及异地灾备中心互联，形成两地三中心 大二层互通，逻辑上虚拟成一个大的数据中心。 办公接入区 该区域作为门诊大楼、办公大楼、住院部等用户的接入，采用核心 汇聚接入三层架构，把接入用户的广播域现状在汇聚层以下。 | www.ruijie.com.cn 12 数据中心安全池化，按需防护 多虚一： 基于 VSU 技术，实现将多台交换机上的安全插卡虚拟成 一台交换机上的插卡 方案优势： 道） 数据中心之间互联 采用 DWDM 连接同城中心，实 现三中心大二层安全互联。 4 台核心通过 VSU 虚拟成一台设 备，作为两大同城数据中心的大 核心，且应用统一网关，可实现 虚拟机跨数据中心迁移。 适用场景  本院双机房双活数据中心  本院机房数据中心与分院数 据中心双活  本院数据中心、分院数据中 心及异地灾备中心 | www.ruijie.com.cn 15

AI+医疗如何落地防疫诊疗全流程 ——盘点五大智慧医疗典型案例 案例概览 案例 1 | 基于知识图谱的新冠肺炎防护问答助手，离智能更近一步——柯基数据 案例 2 | 不只是疫情咨询，院前预检筛查成智能问答新“战场”——朗通医疗 案例 3 | 互联网医疗作为“第二战场“，在疫情防控中发挥重要作用——左手医生 案例 4 | 高敏快速检出病灶，CT+AI 助力医院实现“应收尽收”——体素科技 案例 “捐赠”自 己的技术和产品，围绕患者的诊前、诊中和诊后在多个场景迅速应用和落地， 承担着自己的使命。 如果说此前智慧医疗的主要推动力是政策，那么，此次疫情中智慧医疗在多环 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 缓解线下门诊压力。 在此前就已大规模展开的智慧医院建设中，智能导诊和分诊作为诊前收集患者 症状基本信息和引导精准就医的重要应用，已在很多公立医院落地。疫情期间， 由于新冠肺炎患者就诊量大并且交叉感染风险颇高，因此就医之前的智能导诊 和分诊显得更为重要。 2 月 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

智能排班 考勤报表 科室导诊管理 地图管理 科室管理 信息发布 停车缴费 反向寻车 消费管理 商家管理 补贴管理 消费报表 线上点餐 消费充值 查询 * 实现统一服务 , 统一集中管理， N 终端统一接入的 智慧医院管理平台。 IOT 物联 . 天启 IOT 物联平台（人、车、消费、第三方设备）物联 / 数据透传 / 跨区域集中化管控 考勤查询 解决方案 - 方案架构 优惠打折 车位号 无牌车 时间段 * 无牌车会列出显示车辆照片 , 供车主反寻 反向寻车 多楼层路线预览 导航过程 动态实时规划 在导航过程中实时规划导航路径，全程路径一键预览； 跟随模式下人随点（定位点）动；支持跨层自动导航。 全程导航路线指引 在导航过程中全程进行转弯、直行、偏离路线的温馨 提示，指引用户方便快捷的到达终点位置，并有全程 剩余距离、时间等提示。 实时语音播报 为方便用户不用实时查看手机界面，我们提供智能语 费功能和进行区分控制管理 停车智能硬件 扫码付 当面付 环境监控 无牌车扫码 可视对讲 自动组网：集成交换机，增加外围设备自组网功能，可实现快速交付 语音提示：个性化语音提示、情景交互、语音对讲 高度成度：内置高清大屏、摄像头、补光灯 超大高清屏：标配 18.5 寸工业级 IPS 全视角高清 LCD 显示屏，情景化 图形的交互。还可用于无牌车扫码进出，临时车扫动态码缴费等功能 车牌识别镜头 可视对讲镜头