。任何人未经允许不得重复使用。 〔作者简介〕 郑琰莉，学士，发表论文 2 篇; 通信作者: 苏文星，硕士，发表论文 4 篇。 人工智能大模型在医疗领域的应用现状与前景展望 郑琰莉 （天津泰达普华医院 天津 300203） 李舒玉 （先进操作系统创新中心 (天津) 有限公司 天津 300450） 苏文星 （1 中国科学院大学 应急管理科学与工程学院 北京 100049， 2 先进操作系统创新中心 202312.00027 此预印本（未经同行评审）的作者拥有该文稿的版权，biomedRxiv拥有永久保存权。任何人未经允许不得重复使用。 〔作者简介〕 郑琰莉，学士，发表论文 2 篇; 通信作者: 苏文星，硕士，发表论文 4 篇。 正在积极地推动智慧医疗的发展。如今 DALL-E、GPT-4、LLaMA 等人工智能大模型 （下称“大模型”）的出现，也给该领域带来了前所未有的技术突破[1]。大模型又被称 推理的能力，同时模型的参数量级也从百万级跃升到了百亿级，甚至出现了千亿级大 模型。截止 2023 年 6 月，国内外有超过百种大模型相继发布，国外如 Stable Diffusion、 GPT-4、Med-PaLM 等大模型，国内如文心系列大模型、华为盘古大模型、星火认知大 模型、MOSS 大模型等。从研究方向上来看，大模型研究主要集中在自然语言处理 （Natural Language Processing，NLP）、计算机视觉（Computer

协 同 ● 专科辅诊 导诊—导诊机器人 智慧医院 ◆ 5G 是全球数字经济战略的先导领域 5G 网络将会直接影响整个国家的经济，政治和安全，谁能领导 5G, 谁就站在了来 来 信息时代的利亮点 希望通过 5G 改变国家面貌，实现超智能化社会、推动健康、交通、制造，金融， 基 础 设 施五大产业革命。 促进全产业参与 5G, 力争全球领导地位。 5G 成为“新基 建” 之首，是数字经济的重要载体 满足低时延、高安全、大连接的行业业务需求。 ● 个人与政企业务融合发展，发挥 2B2C 的融合发展优势， □ 5G 云网协同服务：以行业专网网关为核心，融合 5G 切片技术和边缘计算技术，满足教育、医疗、农商文旅等行业客户业务、连接、计算、安全 等 需求的专用云网服务。 云 : 行业应用云计算平台、行业安全态势感知平台、行业云网融合管理大脑。 5G 云网融合建设方案 行业专网网关 iGW-M 教育 ：行业终端 固定 / 移动行业终 端 教育 | 医疗 | 农商 文旅 行业应用边缘云 教育 | 医疗 | 农业 行业专网网关 iGW- S 教医农行业云网融合管理平台 客户自身 | 教育局 | 卫健委 | 农业 局 中心云 5G 核心网 4G/5G 行业终端 教育 | 医疗 | 农商文 旅 BOSS 行业专网网关，是实现 5G 医疗云网融合的核心

理系统（WMS）、运输管理系统（TMS）、自动导引运输 车（AGV）、自动化存取系统（AS/RS）等系统，应用射频 识别、传感、室内定位、物联网、5G 等技术，实时监控生 产过程中的物料状态，确保物料的及时供应，提高库房利 用率，提升物料仓储配送效率，优化生产订单处理及时度。 18.生产设备运行监控 面向设备运行状态的实时监测、异常预警等业务活动， 针对人工巡检效率低、预警机制欠缺等问题，部署设备管 理系 29.数据可靠性管控 围绕药品生产数据生命周期可靠性需求，面向关键数 据采集、电子签名管理、数据篡改及丢失预防等业务活动， 部 署 实 验 室 信 息 管 理 系 统 （LIMS） 、 文 件 管 理 系 统 （DMS）、质量管理系统（QMS）、制造执行系统（MES） 和数据采集与监控系统（SCADA）等系统及数字认证、生 物识别等技术，结合数据异地备份、应急灾害可恢复性保 障 面向文档生命周期管理电子化发展趋势，管理围绕药 品生产过程质量文件管理等业务活动，部署文件管理系统 （DMS）等信息化系统，实现围绕医药企业质量管理文件 的新增/修订、审批、发放、生效、使用、回收和作废等文 件全生命周期的电子化管理，提高文件管理的高效性和规 范化，同时，通过 DMS 与其他质量信息化系统的集成互通， 提高整体质量系统中文件管理的有效性。 32.中药原料质量传递、回顾与优化

预训练大语言模型的典型代表包括 OpenAl 的 GPT 和百度的文心 ERNIE,ChatGPT 是基于 GPT 开 发的 大模型产品，文心一言是基于文心 ERNIE 开发的大模型产品 二、大模型：人工智能的前沿 人工智能 机器学习 深度学习 预训练大模型 大语言 模型 预训练大语言模型 GPT 文心 ERNIE 深度学习模型 预训练模型 文心一言 ChatGPT 2 . 3 人 工 的主要特点是它们在大规模语料库上进行了训练， 以学习自然语言的各种语法、语义和语境规则。 代表性产品包括 GPT 系列 (OpenAl) 、 Bard(Google) 、 DeepSeek 、 文心一言 ( 百 度 ) 等 多模态大模型 是指能够处理多种不同类型数据的大模型，例如 文本、图像、音频等多模态数据。这类模型结合 了 NLP 和 CV 的能力，以实现对多模态信息的 领域中使用的大模型，通常用于图像处理和分 析 。 这类模型通过在大规模图像数据上进行训 练，可以实现各种视觉任务，如图像分类、目 标检测、图像分割、姿态估计、人脸识别等。 代表性产品，包括 VIT 系列 (Google) 、 文 心 UFO 、 华为盘古 CV 、 INTERN ( 商汤 ) 等 二、大模型：人工智能的前沿 2.4 大模型的分类 CDC 疾控 人 2.5 大模型的应用领域 大模型的应用领域

* 注 s s tia*n . . 选 xi 再 利 科 ， 断 mi am 就，被 . 或 m 。 7as 2020 年 4 月，教育部办公厅、国家发展改革委办公厅联合下发 《绿 色学校创建行动方案》 李 陋 1 万 m 4 s8 r 第 8 麻 9eae ± 加 98s 产 s* 联 - 年 利 uma m ci msraeess.a 一 5, * ..n i 完备的能源泛在计量功能，不仅 可 以对园区的在线设备进行实时 监测，也可手动填报及与省 / 市住 建部系统对接。 碳优化 以精细化的碳排放管理和园区整 体碳平衡的双轮驱动方式，碳能 优化 , 估利最优性价比。 零碳智慧园区 · 科技助力碳中和 产学研用服一条龙 低碳绿色园区低碳服务体系，包括咨询、规划、金融、 教育、节能技术推广，科研实践创新基地建设及科研 成果示范准广。采用技术 /

白-复合物条目，但也因为数据自身的质量而饱受诟病。 随着transformer模型的出现，人们注意到了利用无标签数据对模型进行预 训练可以提高模型的性能，正如目前风头正热的GPT，GPT利用了大量无标签文 本数据进行自监督预训练，这些文本数据虽然没有标签，但是数据量远远多于有 标签的数据。相应的，模型也可以进行大规模的设计以适应海量的数据。这便是 AI大模型的由来。经过了自监督训练任务，AI模型方法仿佛理解了自然语言的语 是颠覆性的，而是一种在目前技术框架下的优化和增强。AI在先导化合物的发现 中同样存在着自身的问题。下文将主要列举三点。 准确性的验证： 不同于大语言模型，来自分子AI大模型的结果通常难以进行准确的验证。利 用大语言模型进行自然语言处理时，我们可以直观的去判断模型返回给我们的答 案是否正确，也能依据模型的结果进行奖励建模及强化学习。但利用分子大模型 进行虚拟筛选得到的结果，往往涉及到分子具体的药物性质，这是人类无法直观

流程（业务、管理） 基础业务阶段 临床业务阶段 物联网业务阶段 有线时代 有线和无线融合时代 物联网时代 行业趋势：医院信息化建设演进，从关注业务功能到关注业务流程和对象 4 卫 建 委 文 件 国卫办规划发〔 2018 〕 4 号 卫建委关于印发全国医院信息化建设标准与规 范（试行）的通知 国家政策 : 物联网应用已成为医院信息化建设的标准 物联网应用已成为三甲和三乙医院标配 / RFID/ZigBee/ Thread 外置 USB 扩展 , 支持 RFID/ZigBe e 插卡 病房和手术室——敏分方案  双频入室：信号覆盖好  避免施工：房间信息点利旧  精准定位：房间级定位  灵活扩展： POE OUT 、物联网、蓝牙、 USB 接口  简化管理：管理节点最高简化 95% 门诊等开阔区域——放装方案  极速体验：峰值速率突破

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 510220) 摘 要: 以 ChatGPT 为代表的生成式人工智能给中医医院智慧化建设带来了机遇与挑战。 cn/ zhengce/ 2019-10/ 26/ content_5445336. htm? eqid=dc2478f500000d5800000002645e0053. [5] 马 利,刘保延,谢 琪,等. 我国中医知识库研究回顾与展 望[J]. 中国数字医学,2014,9(1):11-14. [6] 牟梓君,何丽云,周雪忠,等. 中医知识库的应用需求与构建 方法分析[J]

年投入较为刚性。在开源因客观条件受到影响 的情况下，医疗信息系统建设必要性更为突出， 通过信息化、数字化改造，改善内部业务（尤 其是门诊、住院）流程、调高管理效率、合理 分配资源、精细化控费，以实现节流、改善盈 利情况。从总体状况来看，最受医院重视的是 电子病历集成系统，比例为86.16%。医疗质量 监管、临床辅助决策、大数据建设与应用和患 者服务分别为第二到第五位，比例依次为 71.28%、65.16%、57 近年来随着科技的进步，国家政策的利好趋势，以及人工智能解决 方案的接受程度不断增长，中国人工智能应用程度不断加深，推动 医疗信息化渗透率不断加深，市场迎来新的发展机遇 中国AI医院信息化行业综述——市场规模 来源：沙利文，头豹研究院 中国医疗信息化市场规模，2018-2028E 单位：亿元 n 政策利好和技术发展驱动医疗信息化需求持续释放，核心业务市场进一步拓开，随着云计算、大数据、 人工智能技术正在逐渐融

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  关键信息自动标红提示，包括异常指标、药物过敏史等高风险 J96.2 4. 实时逻辑校验 通过规则引擎检测矛盾数据，触发提醒的典型场景包括： o 检验结果与诊断冲突（如 HbA1c=5.0% ” 但诊断 糖尿 ” 病 ） o 药品禁忌（如妊娠患者开具利巴韦林） o 时间轴错误（术后记录早于手术时间） 5. 专科适配工作流 针对不同科室定制输入界面，例如： o 内科：强化用药史与系统回顾模板 o 外科：内置手术步骤快速选择树 o 儿科：生长曲线自动生成模块 分为前端 采集层、中间处理层和后端存储层，各层通过标准化接口实现无缝 衔接。 前端采集层负责多源数据接入，主要包括以下输入类型：  语音输入：医生口述病历内容，通过 ASR 引擎实时转写为文 本  结构化表单：标准化电子表单录入关键字段（如血压值、体温 等）  外部系统对接：从 HIS/PACS/LIS 系统自动获取检验报告、影 像诊断结果 中间处理层采用双通道校验机制，关键数据处理流程如下：