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

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

.......................................................................................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

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，

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

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 在为大模型在该领域的研究提供新思路。 2 人工智能大模型发展概述 2.1 人工智能大模型发展与分类 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 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，大幅提高了模型训练速度和对多模态感知、创作和 推理的能力，同时模 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

车位引导 智能硬件 考勤 智能硬件 门禁 智能硬件 OA 系统 点餐管理 商家管理 菜品管理 点餐报表 解决方案 - 核心模块 室内位置导航 诊室查询与导 航 一站式导医 智慧 导诊 + + + 智慧车行 精准引导 快速通行 无感支付 周边车位查找 智慧 车行 智慧人行 多介质通行 5G+AR 实景导航模式 AR 实景导航模式下，用户可以通过手机摄像头获取场 景内实景图片，并跟随导航线行走，实现轻松有趣的 导航体验。 AR 模式 反向寻车 1 、管理人员设置优惠规则生成二维码； 2 、将二维码进行投影或者放在会议室门口； 3 、参加会议人员扫二维码实现减免； 4 、管理端可通过手动输入车牌号实现减免， 同时记录操作人员等信息。 应用场景 会议车辆减免 方式嵌入公众号，更改 UI ，与医院主题风格一致 停车应用管理端 扫码付 当面付 无牌车扫码 可视对讲 纸币支付 电子找零 13.3 寸 LCD 显示屏 工业级二维码读 头，二位码支付 质票入口 蜂窝式降噪设计 七彩呼吸灯，炫耀夺目 大流量场旗舰版 电子找零出口 超大容量： 20 万条用户信息、 5 万条脱机记录存储、 2G 内存 语音提示：个性化语音提示、情景交互、语音对讲 效果灯光：动态显示七彩交互灯

（7）可扩展性 系统应采用灵活的基于门户的可扩展性架构，系统可以融合各类不同体系 架构产品。系统所有功能菜单可按用户角色的需求进行随时调整和组建。 同时医院信息系统按照国际、国内有关标准开发设计。应采用开放式的系 统软件平台、模块化的应用软件结构，系统应能灵活地扩充其业务功能，并可 与其它业务系统进行无缝互连。 投标产品应充分考虑兼容国产化数据库管理软件、国产化服务器操作系统 等国产化系统软件的需求。 根据权限，配置报表综合查询系统。 5、服务端需支持包括但不限于国产、国外等常见操作系统。 6、客户端需支持 PC、云桌面等系统。支持国产操作系统、国外主流操作系统。 6.3.3、用户体验 系统应支持分布式事务，保证事务处理的完整性、一致性。 系统应提供事务处理组件，事务正确性自检验。 系统应支持多数据窗口保存算法，防止更新时遇中途失败，用户再次保存 时导致只有部分数据提交的问题。 当应用程序保 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、

(2025-2027 年 ) 》，旨在促进医学与 人工智能深度融合。 《武汉市促进人工智能产业发展若 干政策措施的通知》，通过算力补 贴、公关专项等方式发展人工智能。 AI 医疗迎来爆炸式发 展 宏观政策支持医院数字化转型 -AI 助力医院高质量发展 公立医院发展方式从规模扩张转向提质增效，运行模式从粗放管理转向精细化管理，资源配置从注重物质要素转向更加注重人才技术要素。 坚持数 助力医学人工智能社会治理实验和国家智能社会治理实验特色基地建设，引领区域，辐射全国。 构建智慧医疗云平台 - 构筑区域医疗中心 xxx 县级中医院 乡镇卫生院 村卫生室 未来医院 集约式建设 中心化硬件设施、计算资源投入 ，最大 化基础设施使用率 ，适应藏区硬件设备 基础薄弱等特点，轻量化集约部署。 区域化覆盖 覆盖区域内三级、二级及县域级别卫生院 ， 在信息互联互通的同时 面向智慧医疗—智能预问诊 预约挂号后、排队候诊时，利用人工智能技术，智能采集患者病情信息（包括主诉、现病史、既往史、 过敏史等），自动生成电子病历同步给门诊医生，能够节省医生写病历时间，提高患者问诊参与度 智能预问诊知识库 / 模板 病史报告自动生成 引导患者描述病情，疾病画像 面向智慧医疗— AI 移动医生查房 4 医学知识智能检索，好帮手 3 语音写会诊意见，更方便 1 全语音操作信息查阅，更快捷