不同工作组间的用户二层互访，每个工作组就是一个虚拟局域网。虚拟局域网 的好处是可以限制广播围，并能够形成虚拟工作组，动态管理网络。 VLAN 在交换机上的实现方法，可以大致划分为 4 类： 1、 基于端口划分的 VLAN 这种划分 VLAN 的方法是根据以太网交换机的端口来划分，比如 Quidway S3526 的 1~4 端口为 VLAN 10，5~17 为 VLAN 20，18~24 为 VLAN 的最广泛的方法，IEEE 802.1Q 规定了依据以太网交换机的端口来划分 VLAN 的国际标准。 这种划分的方法的优点是定义 VLAN 成员时非常简单，只要将所有的端口 都指定义一下就可以了。它的缺点是如果 VLAN A 的用户离开了原来的端口， 到了一个新的交换机的某个端口，那么就必须重新定义。 2、基于 MAC 地址划分 VLAN 这种划分 VLAN 的方法是根据每个主机的 地址的主机都配置他属于哪个组。这种划分 VLAN 的方法的最大优点就是 当用户物理位置移动时，即从一个交换机换到其他的交换机时，VLAN 不用重 新配置，所以，可以认为这种根据 MAC 地址的划分方法是基于用户的 VLAN， 这种方法的缺点是初始化时，所有的用户都必须进行配置，如果有几百个甚至 上千个用户的话，配置是非常累的。而且这种划分的方法也导致了交换机执行 效率的降低，因为在每一个交换机的端口都可能存在很多个

数据驾驶舱 • 患者全景视图 • 多条件筛选搜索引擎 • 研究路径导航式工具应用 • 科研项目管理 科研能力提升 • 科研方法论培训 • 人才培养 • 数据 + 工具 + 方法论融合 • 助力高水平医院建设 智慧医学科研平台 全院级“多模态异构数据治理 + 智能工具应用 + 科研转化体系建设”支撑高水平医院建设目标 多模态异构数据治理 科研方法学 统计方法学 成果转化方法学 科研设计 智能化专病库赋能 科研成果转化 科研方法论 科研设计赋能 科研方法赋能 辅助制定研究方案 协助制定搜集临床指标、生物 样本数据、基因检测数据等 科研流程智能引导 流程可视化、取数科研化、设 计灵活便捷 数据模型、表单 设计 专病数据采集

然而获取用于构建模型的有标记的数据需要中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。 关节炎，提出了一种中医分型诊断系统。厦门大学人工智能研究所利用粗糙集、 神经网络及其软计算技术，构建了关于八纲辨证和脏腑辨证的多种模型和系统， 也取得了良好的成果。 虽然科研工作者利用机器学习对中医智能辨证诊断方法做了许多积极且富有 意义的研究探索，但受到技术手段制约，中医智能诊断系统诊断准确率低、覆盖 病种少以及系统应用率低的问题依然凸显。 （3）大数据与深度学习探索阶段 随着大数据产业和人工智 500 万美元融资，以帮助这家针灸馆实现物理疗法与草药疗法相结 合，提升对顾客整体健康的管理。 该诊所成立于 2019 年，旨在将传统中医的健康理念融入现代生活，让经验 证的缓解疼痛和压力治疗方法更加普适化，基于东方传统医学的现代化消费医疗 服务正逐渐使西方资本市场所认可。 3. 社会环境发展 （1）老龄化程度不断加深 中国已经成为世界上老年人口最多的国家，也是人口老龄化发展速度最快的

数据驾驶舱 • 患者全景视图 • 多条件筛选搜索引擎 • 研究路径导航式工具应用 • 科研项目管理 科研能力提升 • 科研方法论培训 • 人才培养 • 数据 + 工具 + 方法论融合 • 助力高水平医院建设 智慧医学科研平台 全院级“多模态异构数据治理 + 智能工具应用 + 科研转化体系建设”支撑高水平医院建设目标 多模态异构数据治理 科研方法学 统计方法学 成果转化方法学 科研设计 智能化专病库赋能 科研成果转化 科研方法论 科研设计赋能 科研方法赋能 辅助制定研究方案 协助制定搜集临床指标、生物 样本数据、基因检测数据等 科研流程智能引导 流程可视化、取数科研化、设 计灵活便捷 数据模型、表单 设计 专病数据采集

节，应用数智技术提升新靶点和新药发现效率，加速药物 研发和临床试验进度。 1.精准靶点识别与筛选 面向疾病机制探究和药物靶点发现等业务活动，针对 传统实验方法在通量和成本方面的局限性问题，利用多组 学数据分析和文本挖掘方法，整合丰富的生物学数据，结 合自然语言处理、深度学习、图像识别以及大模型等人工 智能（AI）技术，构建新药研发知识图谱，开展复杂蛋白 质结构预测，显著提升药物靶点的识别和筛选效率。 工智能（AI）技术，以更高的效率和更低成本获得符合特 2 定要求的化合物，实现药物分子的从头设计及结构优化。 3.超高通量化合物虚拟筛选 面向新分子实体（NMEs）筛选等业务活动，针对传统 筛选方法效率低下和创新性不足的问题，利用计算机仿真、 分子模拟和成药性理化模型等技术进行高通量虚拟筛选， 加快化合物生物活性和药理作用的评估速度；基于人工智 能（AI）技术挖掘文献、数据库等，提高化合物筛选范围 于模 型的物料、工艺和装备协同设计与优化，提高工艺放大和 生产过程可靠性。将高质量的工艺和质量数据集与数学建 模方法或人工智能（AI）算法结合，辅助理解中药工艺中 关键物料属性、关键工艺参数（CPP）和产品关键质量属性 之间的关系，通过机器学习、迁移学习和强化学习等方法 实现数据增强，提升工艺模型可靠性和工艺参数的可调控 性，保持生产过程的稳定性和可控性。 13.数智化生物制品工艺设计

Confidential | lvhairong@tsinghua.edu.cn 嵌入向量： • 在 GPT 里面，把一个记号作为一个 N 维浮点数向量来表示。这种用 一 个向量来表示一个单词或记号的方法按神经网络的术语就叫做嵌入 • 一个单词对应的向量叫这个单词的嵌入向量 • 把每个单词或记号（ token ）在 GPT 内部都会通过一层简单的神经 网 络映射层对应到一个嵌入向量，这个向量代表了记号的语言特征 commonsense reasoning." arXiv preprint arXiv:2110.08387 (2021) 知识图谱应用于大模型训练后阶段： Liu 等 人提出了知识生成式大模型提示方法，让 模型 进行知识预测，通过将知识图谱的三元 组形式 转化成 Question and answer 的形式， 让模型 生成一些知识，然后将这些知识进行 聚合，从 而得到最终的更为精确靠谱的结果。 arXiv preprint arXiv:2104.08696 (2021). 白箱算法的可解释性与模型构造本身高度相关， 因此对于大模型可以根据相关思路设计更具有 针对性的可解释性方法。 主流的模型相关可解释性方法： • 基于梯度显著性 [1] • 基于因果启发 [2] • 基于注意力机制 [3] • 基于神经元分析 [4] CHIMA 20Pag2 Tsinghua Confidential

特异性的 了解可能有所偏差，没有进行其他检测手段的综合的临 床判断，导致在诊疗中采取不一致的标准或决策。 肿瘤标志物自身局限性 • 单个指标特异性敏感性不够 • 肿瘤异质性 技术方法学限制 • 不同方法学及平台结果有差异 • 标准化进程 干扰因素多样性 • 药物干扰 • 标本因素 肿瘤标志物筛查诊断的局限性 4ng/mL 10ng/mL “ 灰 区” 过度筛查与诊断 PSA 场景三：仪器 / 试剂说明书查询 简化设备操作 在实验室高科技设备的使用过程中，仪器 / 试剂说明书是确保设备高效运行的必备资料。然而，随着仪器种 类的增多，操作人员可能无法记住每台设备的具体操作方法。“问问同检！”可以整合各类仪器说明书，并提供智 能检索功能，帮助检验科人员在使用设备时快速查询相关的操作步骤和注意事项。通过深度学习和语义分析， “问问同检！“能够根据设备的型号给出定期维护和操作建议。例如：不久前主任想知道 " 可以基于大量的文献数据，自动提取出与检验相关的研究趋势、技术发展、成果总结等信息， 并根据特定主题生成文献综述。例如，在撰写关于某类疾病检测方法的综述时，“问问同检！ " 可 以自动归纳该领域内的重要研究成果，整理出相关的检测技术和方法，帮助科研人员迅速完成综述报告、 论文书写。 “ 问问同检”在实验室中的应用实例 “ 问问同检”构建中的提示词工程 提升模型输出的准确性 核 心

数据驾驶舱 • 患者全景视图 • 多条件筛选搜索引擎 • 研究路径导航式工具应用 • 科研项目管理 科研能力提升 • 科研方法论培训 • 人才培养 • 数据 + 工具 + 方法论融合 • 助力高水平医院建设 智慧医学科研平台 全院级“多模态异构数据治理 + 智能工具应用 + 科研转化体系建设”支撑高水平医院建设目标 多模态异构数据治理 科研方法学 统计方法学 成果转化方法学 科研设计 智能化专病库赋能 科研成果转化 科研方法论 科研设计 赋能 科研方法赋能 辅助制定研究方案 协助制定搜集临床指标、生物 样本数据、基因检测数据等 科研流程智能引导 流程可视化、取数科研化、设 计 灵 活便捷 数据模型、表单 设计 专病数据采集

理解 和生成能力。其核心在于通过深度神经网络架构，尤其是 Transformer 模型，处理和分析文本、图像和音频信息。这些模型 在自然语言处理、计算机视觉以及其他领域中已经展现出超越传统 方法的性能。 以 OpenAI 的 GPT-3 和 Google 的 BERT 为代表，这些模型具 有多层次的自注意力机制，使得它们能够理解语境、生成连贯的文 本，甚至在特定的应用场景中进行复杂的推理和决策。借助这些 速找到相关文献和案例。 在基层社区医疗服务中，一些地方卫生院同样开始实验 AI 在 病历生成上的应用。通过与智能健康助手结合，该系统可以通过病 人的简单问询，自动生成初步的病历和健康建议。这种方法不仅减 轻了医生的工作负担，还为农村和偏远地区的居民提供了更为便捷 的健康服务。 另外，结合 AI 大模型的远程医疗平台正在实现病历生成与患 者管理的高度互联。一些医院通过这些平台，能即时向患者提供个 数据存储至中央数据库，确保数据的可访问性和安全性。 此外，数据质量管理是保证采集数据准确性的关键环节。应建 立数据质量监测机制，包括数据完整性、准确性、及时性和一致性 等方面。定期进行数据审核，利用统计方法和机器学习模型对数据 质量进行评估。 通过这样严谨的数据采集模块设计，我们能有效地将中医院的 各种医疗数据整合为统一的数据库，为后续病历生成和 AI 模型的 训练奠定坚实基础。这不仅能提高数据利用率，还有助于提升中医

我国实施的传染病病例网络报告措施极大地提高 了传染病的报告效率，为及时掌握疫情动态提供了重 要支撑。但是，我国在传染病监测领域的信息化建设 仍相对缓慢，以病例信息报告为主，数据挖掘和利用相 对不足，大数据和人工智能等新技术、新方法的应用程 度较低。新冠肺炎疫情防控以来，疫情动态综合分析、 基于多种因素的疾病预警和风险预判能力等方面存在 的不足尤为凸显。因此，在传染病监测系统中亟需加 强相关信息化建设，提升监测效率，提高早期预警能 体系。 3.2 推进实践 3.2.1 腹泻病综合监测 腹泻病综合监测是上海首 个试点开展的综合监测系统。为整合腹泻病相关单病 种监测系统，经多轮次现场调研和方案研制，上海按就 诊人数PPS抽样方法，研讨形成监测框架顶层设计，于 2012年 4月印发《上海市腹泻病监测试点实施方案》， 率先启动6家成人腹泻病监测点医院+1家儿童腹泻病 监测点医院的监测哨点体系。2016年，原上海市卫生 多为线下报告，部分病种有登记报告系统 单一监测较低，但资源利用率不高 传染病综合监测 腹泻、发热伴呼吸道症状、发热伴皮疹、发热伴出血、 发热伴神经系统症状等症候群 病例报告与哨点监测结合 针对一类症候群，统一监测方法流程 数十种病原体 有较灵敏的发现能力 多科室临床诊疗、流行病学、多病种实验室检验、大 数据分析 依托信息化平台 检测费用较高，但资源利用率也较高 图1 传统传染病登记报告系统的局限性 ·3·