项目编号： 智慧中医院门诊病历自动生成接入 AI 大 模型 设 计 方 案 目 录 1. 项目背景........................................................................................................................................... .........................................................................................24 3.1 自动生成病历的目的.............................................................................................. .......................................................................................43 4.2.3 输出生成模块.................................................................................................

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。 文章探讨了 ChatGPT 在助力中医经验传承发展、 辅助青年中医提高诊疗质量、 提升中医医院运营管理效率、 实现全生命周期健康管 理几个方面的应用场景, 指出其应用面临着医患双方的传统观念、 中医医院信息化基础薄弱、 生成式人工智能 技术缺陷、 管理制度与监管体系尚不健全等挑战。 提出需要调整认知、 树立对生成式人工智能的正确观念; 树立对生成式人工智能的正确观念; 加 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 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, 是迄今为止世

.......................................................................................92 6.1 病历自动生成................................................................................................... .....................................................................................154 10.1.1 病历生成测试................................................................................................. 频文书场 景，通过持续学习医院专科术语和医生个人用语习惯，其识别准确 率可在 3 个月磨合期后稳定在 92%以上。需要注意的是，系统设计 必须严格遵循《医疗质量安全核心制度要点》，所有 AI 生成内容 需经医师审核确认后方可生效，确保法律效力和医疗安全。 1.1 项目背景 近年来，随着医疗信息化建设的加速推进，电子病历系统已在 国内各级医疗机构得到广泛应用。然而，传统病历书写方式仍面临

日│中国内地 专题研究 生成式 AI 为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一，也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生成新蛋白质结构提高药物发现效率等应用。另一 、晶泰、数坤等企业发展。 AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率 病例的录入是 AI+医疗中最经典的应用场景之一。2021 年被微软以 197 亿 美金收购的 Nuance 和国内的科大讯飞、云知声等是主要企业。生成式 AI 的出现，使病例的录入过程从过去医生问诊后口述总结，向基于大模型的自 动实时问诊记录生成演进。今年 3 月，微软旗下的 Nuance 已经推出基于 GPT-4 GPT-4 的临床笔记软件 DAX Express，可以在几秒钟内生成准确的临床记 录，以及整合进微软 Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出

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 Al 领域。 ◆ 大众认知视角—— 2022 年后生成式 Al 的爆发让 "Al 元年 " 概念再次被热议。 一、人工智能发展简史了解 · 第一阶段：标志事件是 1950 年提出图灵测试， 1956 年达特茅斯会议召 开 · 第二到四阶段：低谷的原因是符号主义 第六阶段：数据驱动的崛起，驱动力是互联网积累海量数据， GPU 算力 提升，机器学习算法突破，里程碑事件是 2016 年 AlphaGo 击败李世 石 2020 年以后是通用智能探索与生成式 Al 爆发期， 2022 年 ChatGPT 发 布， 生成式 Al 普及化。 2023 年后 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 5 级 AGI 量表 二、大模型：人工智能的前沿 2.1 大模型的概念 大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有海量参数、强大的学习能力和泛化 能力，能够处理和生成多种类型数据的人工智能模型 通常说的大模型的“大”的特点体现在：参数数量庞大、训练数据量大、计算资源需求高 2020 年， OpenAl 公司推出了 GPT-3, 模型参数规模达到了 1750 亿，

2024 里 程 碑 临床文档生成 ( 如电子病例， 临床笔记， EHR) 获取临床洞见， 辅助诊断 报告规范化， 术语归一化 智能随访 出院小结生成 辅助生成 检查建议和计划 相似病例查询 辅助生成 治疗建议和计划 l J 医学文献 / 指南解读 科研方向预测 报告匿名化 / 结构化 代码辅助生成 临床科普文生成 赋能临床试验 智能预问诊 实例 1 – 自然语言报告 结构化报 告 s EMENS: H a l t h · n r · · 西门子医疗 LLM 实例 2 一 自动扫描协议生成 -> 质 控 / 提速 s EMENS: H a l t h · n r · · © Siemens Healthineers, 2024 8 Topic Siemens Healthineers, 2024 D&AYubo Ji 21 结合患者医疗影像和历史健康记录 辅助制定个性化治疗方案 视频理解（如手术视频） 多模态影像报告解读和生成 智能预问诊和常见疾病预诊断 （可处理包含视觉信息的多轮问答） 患者健康监测：结合可穿戴设备数据 和患者视觉体征。 患者助手 医生助手（诊断 + 手术） 图文医疗文献 解读与挖掘

GPT ： Generative 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 GPT 处理多任务的能 力 2022 年 1 月 OpenAI 提出 GPT-3.5 模型 参数量 13 亿 , 60 亿， 1750 亿 数据量 40TB 赋予 GPT 推理能 力 多模态生成 CHIMA 20Pag2 Tsinghua Confidential | lvhairong@tsinghua.edu.cn 2023 年第一季 度 OpenAI 提出 GPT-4 模型 百万亿级别参数量 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 练 CHIMA 20Pag2 Tsinghua Confidential

） 以适配不同领域任务需要[2]。在医疗领域，医疗数据本身就具有多模态的特性，大模型 将进一步推进智慧医疗、医疗元宇宙和医疗研究的发展进程。比如电子病历理解、医 疗问答、医学教育培训、医学影像生成、疾病辅助诊断、药物研发以及虚拟医院和医 疗虚拟数字人交互等诸多应用[3]，涵盖医疗领域就诊前、就诊中、就诊后各环节。本文 梳理了当前大模型在医疗领域的应用现状，分析其面临的风险与挑战并进行展望，旨 随着人工智能技术的进步和深度学习算法的发展，以及海量多模态数据的爆炸式 增长，芯片、网络、算力等基础建设的持续增强，大模型也迎来了快速发展机遇。2014 年生成对抗网络 GAN（Generative Adversarial Network）[4]的出现，推动了生成式人工 智能的革命性发展，随后以 Transformer[5]、BERT[6]为代表的预训练模型的诞生，颠覆 了以往的深度学习模型网络结构，大 较为常用的方法，其中 Prompt-tuning 是通 过提示来引导模型生成相关内容，Instruction-tuning 通过指令来训练模型执行特定任务， 而 Prefix-tuning 则是通过在输入中添加前缀来控制生成结果的格式和结构。奖励模型 （Reward Model）用于对生成的内容进行打分排序，让模型生成的结果更加符合人们 理想的答案。强化学习（Reinforcement L

硬件发展，大规模数据，算法突破 推荐系统 人脸识别 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 医院检验科率先迈出智能化升级的重要一步，基于本地部署的 DeepSeek 模型， 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； 降低不合格标本比例；  医检沟通的好伙伴。 “ 问问同检”医护版 专业文献综述撰写  内置提示词工程 (promptengineering) 优化撰 写水平；  基于上传的个性化文献知识库 生成  大语言模型 + 机器人（未来）；  新时代的陪诊师。 “ 问问同检”患者版 八大应用场景： 场景一：检验项目不清楚？ “ 问问同检！”随时获取详细资料 在实验室中，检验项目的种

的效 率，防止死锁和并发操作。 系统主界面的自动锁定与用户快速切换操作。 菜单、快捷键、工具栏、导航栏自定义功能 6.3.6、维护要求 系统参数维护应具有非编程的可定制的系统参数维护和自动生成系统参数 系统应支持支持多版本管理、历史版本回滚、文件压缩更新、智能角色更 新。 系统应支持提供远程桌面维护，减轻管理员维护工作强度。 程序界面调整应支持自适应分辨率、各应用模块界面美化处理，风格统一、 医院里从挂号、就诊、检查、检验、治疗、取药、缴费、结果查询打印等都能 全程操作使用。 主要功能需求如下： 1. 支持患者基本信息登记功能及患者基本信息维护功能。 2. 支持医院使用多种卡类型。 3. 支持患者信息登记后生成电子健康码，打印二维码功能，并在院内流通。 4. 支持患者信息必填控制，防止操作员漏登记患者信息。 5. 支持患者卡绑定功能，患者登记时可以自动绑定医保卡。 6. 支持基本信息登记、患者挂号登记集成功能，挂号时新患者可以直接调 可以直接调 出患者信息登记界面，进行患者信息登记；门诊医生站自动挂号时直接创建患 者基本信息的功能。 7.1.2、门急诊预约挂号管理系统 7.1.2.1、预约管理 门诊科室、医生专家排班后生成统一号源池，支持多渠道预约现场、诊间、 电话、自助机、网上等多个预约渠道提供实时有效的号源，并与医院排队叫号 系统链接，信息共享以便合理安排预约号源。 7.1.2.1.1、患者信用管理 具有患者爽约管理功能，可灵活设置爽约规则。