Pre-trained Transformer  单向模型，只考虑前文，不考虑后文  采用自回归（ autoregressive ）的方式生成文本，即逐个生成下一个词  通常用于生成文本、对话、问答等任务 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn BERT 训 练 ③ 精 准 可 解 释 ④ 医 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn GPT 在编写代码上的应 用 2021 年 12 月 使 GPT 具有与人类对话的能 力 2022 年 11 月 模型内部本质上是基于统计的文字生成器 ③ 精 准 可 解 释 ④ 医 疗 应 用 ⑤ 数 基 生 命 ② 剖 析 大 模 型 ① 关 于 预 训 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 表 可以理解为高阶的马尔可夫链 ③ 精

具体来说，测试通过模拟一个“问答游戏”展开： 1. 参与者：一个人类询问者 ( 通过文字交流 ) 、 一台机器和一个人类 ( 两者隐藏身份 ) 。 2. 规则：询问者通过文本与机器和人类自由对话，持续一定时间后，若询问者无法区分哪一方是 机器，则机器通过测试。 一、人工智能发展简史了解 意义与影响 1. 哲学突破： 1. 图灵将抽象的“机器能否思考 ?” 转化为可操作的“能否模仿人 ?", 规避了关于“意识”的争议。 2. 提出“智能”的行为主义定义，即通过外在表现而非内在机制判 断 智能。 2. 技术目标： 1. 为早期人工智能研究提供了明确方向，例如自然语言处理和对话 系统的开发。 2. 启发了后来的聊天机器人 ( 如 ELIZA,ChatGPT) 和语言模型的 发 展。 一、人工智能发展简史了解 CDC 疾控 人 1.2 人工智能的诞生 人工智能的诞生可以追溯到 人工智能。 L4: 可以创造新事物的 人工智能。 L3: 可以代表用户采取行动 的人工智能代理。 L2: 像博士一样解决问题， 无需工具。 L1: 当前 AI, 类似 ChatGPT, 可以与 人类对话的人工智能。 L5 的理想 Al: 你躺沙发上说： " 我要当 世 界首富。 " Al 直接注册公司、研发黑 科技 、上市圈钱，你醒来发现银行卡多了 100 亿。 一、人工智能发展简史了解 OpenAl

医院运营效率提升与AI技术的融合 对话主要围绕医院运营效率的提升空间，特别是通过引入AI技术来增强医院的运营效率。讨论了与IT厂 商合作的预算可能提升，以及AI技术在电子病历系统中的应用，如海泰等厂商正在尝试在其产品中嵌 入AI功能，以提升医疗服务效率。同时，也提到了这些AI功能的融入将导致医院需支付额外费用，预计 费用可能增加10%至20%。 ● 05:12 医院内AI辅助诊断系统应用与成本分析 对话围绕医院内 ICD9编码之间的差 异问题，但目前尚未有特别成熟的产品能够满足这一需求。未来，AI算力的提升可能使得训练成本成为 最大的挑战。 ● 13:08 医院与科技公司在AI医疗诊断领域的合作模式 对话围绕医院、华为以及第三方检验公司（如金域、迪安诊断）在AI医疗诊断领域的合作模式展开。医 院对AI在检验报告智能解读和疾病早期诊断方面的应用表现出浓厚兴趣，但指出目前多依赖于临床参 与。检验科希

型。通过分析DNA测序数据，大模型能识别与疾病相关的基因突变，从而制定个性化 治疗方案。同时，大模型还能学习最新的医学知识，为医生提供治疗建议和决策支 持。例如，腾讯健康发布的混元通用大模型针对医疗领域升级了多个AI产品，包括智 能对话、病例结构化与检索、影像报告和辅助诊断等。这些医疗大模型产品已被整合 到患者就诊全流程中，从而提高了医疗服务的效率和质量。 在患者护理和保健过程中，医疗大模型可助力实现以下几方面工作：一是远程监测患 疗领域推出添翼大模型，全方位融合医疗行业解决方案、产品与服务，添翼的多模态 数据融合能力可为医院管理者提供对话式交互和数据洞察，简化数据应用，实现精细 化医院管理。 在药物研发过程中，医疗大模型可预测药物-蛋白质相互作用和药物毒性等信息，从而 评估新药的功效和安全性，有助于缩减研发周期，加速新药发现。如，清华系初创团 队水木分子推出新一代对话式药物研发助手ChatDD，涵盖药物立项、临床前研究、临 床试验各阶段，作为制药

标准化程度不足：不同医疗机构间病历模板差异率达 43%， 影响数据互通  质控滞后性明显：现有系统仅能实现事后审核，无法实时纠错 在此背景下，AI 辅助病历书写系统应运而生。该系统通过自然 语言处理技术，可自动识别医患对话关键信息，生成符合《电子病 历系统应用水平分级评价标准》的结构化病历。某三甲医院试点数 据显示，应用 AI 辅助系统后，病历书写时间缩短 40%，首次提交 合格率从 72%提升至 89%，同时实现了： 处理（NLP）与临床知识图谱技术，通过语音识别、文本结构化、 智能纠错三大核心模块，实现从医患对话到完整病历的自动化生 成。系统支持与医院 HIS、EMR 等系统无缝对接，确保数据实时同 步，同时符合《电子病历应用管理规范》等医疗行业标准。 系统采用分层架构设计，分为数据采集层、处理层和应用层。 数据采集层通过麦克风阵列或第三方录音设备获取医患对话原始音 频，采样率不低于 16kHz，支持普通话与常见方言的实时转写，准 总体设计 系统采用分层架构设计，实现高内聚低耦合，由数据层、服务 层、应用层三部分组成。数据层通过医院 HIS 系统接口获取患者基 本信息、检验检查结果等结构化数据，同时对接语音录入模块采集 医患对话音频，所有数据经加密后存储于医疗专用云服务器，符合 《医疗卫生机构网络安全管理办法》三级等保要求。服务层核心模 块包括自然语言处理引擎、医学知识图谱和规则校验器，其中 NLP 引擎采用 BERT-Base

勾画结果编辑 智慧就医平台 CHIMA AI 自动识别患者意图，并匹配所需信息和服务 , AI 自动 定位 患者已完成流程，并衔接各类后续服 务 患者针对某一特定问题和系统进行智能对话 智能对话 模式 患者根据全路径指引，逐步完成就诊 全路径引导模式 智能就医助手全流程规划 利用数字化手段，结合 AI 新技术，构建患者服务“新基建” ，打造“ AI+ 服务”新模式 . 咨询

算法框架：深度神经网络、卷积神经网络 自动进行特征学习，端对端训练，有监督 在特定场景效果好，但需要根据 不同任务训练不同的模型，泛化 能力差 生成式 AI 2020- 硬件、算法、大数据全面突破 对话机器人 算法框架： Transformer 大规模无 监督预训练 多任务、多模态统一处理 自然语言理解、世界知识记忆、 逻辑推理 人工智能时代推动检验技术的发展 大数据 人工智能 物联网 打造了全国首家实验室智能助手——“问问同检！” 全国首家实验室 AI 智能助手“问问同检”  RAG 框架（检索、增强、 生成）；  自动总结 + 推理。 项目说明查询 仪器 / 试剂说明书查 询  任务型对话的意图识别；  NLP 任务增强：引入外部知 识库。  LIS 系统已接入，免输入一键结 果解读；  Deepseek 、 QWQ 多模型选择。 报告单解读 标准化操作流程查询

临床靶区自动勾画 勾画结果编辑 智慧就医平台 xxx AI 自动识别患者意图，并匹配所需信息和服务 , AI 自动 定位 患者已完成流程，并衔接各类后续 务 患者针对某一特定问题和系统进行智能对话 智能对话 模式 患者根据全路径指引，逐步完成就诊 全路径引导模式 智能就医助手全流程规划 利用数字化手段，结合 AI 新技术，构建患者服务“新基建” ，打造“ AI+ 服务”新模式 . 咨询

介入科穿刺规划场景 胸外科手术规划场景 智能就医助手全流程规划 AI 自动识别患者意图，并匹配所需信息和服务 , AI 自动 定位 患者已完成流程，并衔接各类后续 务 患者针对某一特定问题和系统进行智能对话 智能对话 模式 患者根据全路径指引，逐步完成就诊 全路径引导模式 利用数字化手段，结合 AI 新技术，构建患者服务“新基建” ，打造“ AI+ 服务”新模式 . 咨询 问路 导诊 分诊

果需要上面服务的项目可勾选页面左下角的“是否上门”。 2. 如果医生觉得这个处置需要经常开，可以勾 选左下 角的保存到处置套餐中，方便下次的操作。 3. 如果与病人的沟通中出现一些需要病人注意的“记事医 嘱”，可点 击选中对话记录，保存处置会自动回填到病历的医生建议中。 随 诊 · 开 处 置 沟通留言之其他治疗操作：用户端用户和健康管家沟通的沟通记录都会在沟通留言页面显示 医生 / 管家根据病人的聊天信息，得到病人的主诉，点击处置按钮