决策支撑 小屏 联动临辉 融 合 指 挥 临 床 科 研 远 程 医 疗 智 慧 护 理 智 慧 教 学 通用智能设备 边 端 视频 7 ax . … 高性能、大容量 极致安全可靠 超强算力：最高集成 64 核，内置多种硬件加速引擎 安全 / 可供应：自研计算芯片，整机器件国 产化 大容量：支持最多 32 个 DDR4 插槽，最高 插槽，最高 8TB 内存 高可靠：高可靠减振 / 散热等设计与质 量流程 华为实现硬件、工具、软件端 到端 自主可控，关键芯片全自研 高性能，高可靠，极致安全 主导开源，使能合作伙伴 操作系统 OpenEuler HarmonyOS CPU Kunpeng D HISILICON ■ 智能手机、会议终端、协作平板、 智能穿戴、智能汽车座舱等 HUAWEI 基因组引擎 AutoGenome AutoOmics 全球首个基因组自动建模工具 全新多组学 AutoML 框架 临床研究引擎 百亿级参数 百亿节点 / 万亿边 盘古医学 NLP 大模型 超大医疗知识图谱 · 临床研究 · 覆盖医学文本结构化，医学知识图谱，

出加快人工智能创新应用，主要包含以下三个方面： 一是推广应用人工智能治疗新模式新手段 ；二是建 立快速精准的智能医疗体系，探索智能医院建设 ； 三是开发人机协同的手术机器人、智能诊疗助手，研 发柔性可穿戴、生物兼容的生理监测系统，研发人机 协同临床智能诊疗方案，实现智能影像识别、病理分 智能医学与智慧医疗 房梦雅 1，张 愉 2，顾晓松 3*，蒋 葵 1* （1 南通大学医学院医学信息学系 智能医学的应用 智能医学在医疗卫生活动中可以应用的范围较 广，涉及医疗活动全过程，包括院前管理、院中诊疗、 院后康复等，主要围绕智能导诊、语音电子病历、影 像辅助诊断、临床辅助诊断、疾病风险预测、药物研 发等方面。其中，智能导诊、语音电子病历、影像辅 助诊断、临床辅助诊断相关应用的发展迅速，在国内 一些医院已有落地。我们将从智能医学的一些具体 应用进行详细阐述。 2.1 智能导诊 智能导诊机器人基于人脸识别、语 过程中也存在一些问题，比如口腔科医生需要将标 准化病历中的很多词重复说出来，原先利用电脑可 以直接快速复制粘贴的部分也要求医生一字不落的 口述，反而让医生的工作变得更繁琐。 2.3 智能影像辅助诊断 因影像学数据标准化的 程度高，影像辅助诊断系统发展势头较好，国内各公 司、研究机构纷纷加入智能影像辅助诊断的研究。人 工智能在医学影像中的应用，基本思路是图像识别- 图像分割-后续分析 [7]。后续分析的发展方向主要

人监测和儿童监测的全人群腹泻监测体系；2014 年起进一步构建急性呼吸道感染综合监测、发热伴出血皮疹脑膜炎监测等体系。自运行以来，上述症状监测体系已积累了数十万条数 据，涵盖病例流行病学和临床症状体征、病原学检测结果等多个方面，为明确传染病流行特征、病原谱及其季节性和周期性变化规律、支 撑疾病早期防控和临床诊疗提供了充分的科学依据。本专栏系统介绍上海市相关监测体系及配套信息系统的构建，为推进各类传染病 测模式打破了部门壁垒，将监测预警、临床诊疗、病原 检测的核心功能融为一体，整合多个单病种监测体系 的资源，实现“一份样本，多重检测，多种目的”，大幅提 高监测工作效率。通过 3类综合监测，可准确反映疾 病的流行特征和病原学特征，实时掌握症候群病原谱 变化动态，及时发现罕见和新发传染病，并为临床用药 和辅助诊断提供依据。 在综合监测点的抽样选址上，结合历史病例就诊 情况，通过分层抽样选择监测点医院，并采用按容量比 先“常见”后“罕见”，从常见传染病病原体入手， 逐步拓展病原体检测范围，成熟后开展罕见病原体的 检测；③ 先“深度”后“广度”，首先建立试点监测网络， 检验监测流程和可行性，确保可掌握流行病学、临床特 征和病原学信息，再逐步将全部发热门诊、肠道门诊纳 入综合监测网络，形成有梯度、有层次的综合监测 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

AGI ( 通用人工智能 ) 发展阶段的推测性总结。 ·L1 ( 底层，红色 ): “ 嘴炮王者” → 现在的 ChatGPT 这类 AI, 能陪你唠嗑、回答问题，但干不了实事，像“懂很多 道理的学霸朋友”。 → 现状：人类已实现，满大街都是。 ·L2 ( 黄 色 ) : “ 野生博士” → 不用查资料、不用联网，自己就能解决复杂问题，比如直接设计火箭图纸、破 解 癌症难题。 → 现状：还没达到，目前 首个生成式预训练模型，参数 1.17 亿。 迅猛发展期：参数突破百亿级，从“手工作坊”进入“工业量产”。 GPT-2( 2019)15 亿参数，能生成连贯长文本， GPT-3(2020)1750 亿参数，零样本学 习 ( 无需微调直接使用 ), 震惊业界。 生态期 (2023 至今 ): 应用与争议并存， · 特点：通用大模型竞争白热化，垂类模型兴起，社会伦理问题爆发。 · 关键进展： ChatGPT(2022 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 大模型的应用领域非常广泛，涵盖了自然语言处理、计算机视觉、语音识别、推荐系统、医疗健康、金融风控、工业制造 、生物信息学、自动驾驶、气候研究等多个领域 (1) 自然语言处理 大模型在自然语言处理领域具有重要的应用，可以用于文本生成 ( 如文章、小说、新闻等的创作 ) 、翻译系统 ( 能够实 现 高质量的跨语言翻译

实现一对一医 疗服务，随时 咨询个人健康 状况 • 拓展线上医药 商城业务范围， 如为独居老人 或不便行动者 配送生活必需 品、营养品等 202 4 医疗大数据 • 结合公司自研 AI 算法，基于 大量的医疗数 据和 AI 算法， 建立医疗大数 据分析平台， 赋能医学研究、 医疗管理、政 府公共决策， 实现用户全生 命周期健康及 诊疗管理服务 建设规划 吉林省工作站 交通运输行业研发中 心 和重点实验室 博士后科研工作站 国家认定 企业技术中 心 拥有国家级 CNAS 检测机构 牌照 公司联合政府、高校、科研机构及顶尖力量 形成“政、产、学、研、用”完整的科研生态体系 • 国家级研发平台 2 个 • 国家级 CNAS 检测机构 1 个 • 省部级研发平台 8 个 • 国家级、省部级科研项 目 80 余项 • 20 多位国内知名专家 实现疾控业务全流程信息化管理（流 行病 学调查、实验检测），实现多 点触发预警预测提供全过程支撑。 建立疾控业务综合管 理平台 总体架构设计 应 用 层 标 准 规 范 管 理 安 全 认 证 体 系 数 据 层 支 撑 层 社 区 卫 生 服 务 中 心 数 据 大 疫 情 网 数 据 医 保 数 据 学 校 监 测 数

属协和医院 武汉医学院 第一附属医院 汉口 仁济医院 华 中 科 技 大 学 同济医学院附属 UNION HOSPITALTONGJI MEDICAL COLLEGE HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY 院 t 核医 临床 学 药学 血液 整形 超声 7 9 2020 2020 2021 11 个专科 跻身全国前十 16 个专 科 获得提 名 优 势 学 科 群 初 步 建 成 10 2019 11 13 糕 佛 和 普 院 UNION HOSPITALTONGJI MEDICAL COLLEGE HUAZHONG UN VERSITY OF SCIENCE AND TECHNOLOGY 耳鼻 喉 心外 普外 泌尿 麻醉 消化 清洗医保数据超过 7 亿条记录 物理服务器 173 台、虚拟服务器 552 台 , 数 据资产量增长 482T 。 全年完成项目 65 个项目 合计金 额 39021162.25 元。 医 研 服务 信息与数据中心 高质量完成日常基础性工作 同济医学院附属 t 和 院 U N I O N H O SP TA LT O N G J M E D I C A

中医诊疗”细分赛道持续领跑，继 2022 年获得单笔 1.6 亿元的融资金额后，于 2024 年即将获得厦门建发集团独家 战略融资。 10 在曾经不受资本青睐的中医药领域，以现代数字技术及分子生物学技术研究 中药机理的博奥晶方、中药 CRO 企业易能医药获得投资，成为中医药行业发展 的新方向。 图 3. 2016 - 2024 年 4 月中国中医药领域投融资情况 供了推动力量。 （3）中医“治未病”优势明显 中医药是中国人民在长期生产生活和抗击疾病过程中逐渐形成并持续发展的 医学科学，具有特色的优势领域，为保障国民健康发挥着重要作用。随着中医科 学的快速发展，中医在慢病临床中的应用范围越来越广泛。 目前，国家中医药管理局已公布中医优势病种 406 个，其中如原发性高血 压、慢性心力衰竭、II 型糖尿病、慢性阻塞性肺疾病、艾滋病、抑郁症、急性早 及网络知识共享和传播等，可以更好地保护、传承和发展中医文化。 通过采用人工智能、区块链等数字化技术，在古籍整理过程中，可以将文本 分词、词性标注、句法分析、特征提取、情感识别、自动纠错、可视化呈现等信 息技术的应用，传统文献学与知识管理、网络分析、文献计量、主题模型等文本 信息技术相结合，实现对历代中医古籍中关于病、证、方、药等记载的精确检索； 并以此构建知识图谱，以可视化手段呈现知识传承脉络、引用关系、疾病史沿革，

式，如以学术信息的点击率、完读率、收藏率、复读率等体现医生接受程度的指标，并 明确医生信息接收到处方量之间还有其他的影响因素，在营销体系中也纳入管理和考核。 过去，由于医生接收信息的渠道较单一且信息化基础建设不完善，直接以处方量考核学 术推广有效性有一定的合理性和无奈性。而目前，医生信息获取渠道繁多且信息化建设 已经允许我们有更细致的考核方式，因此是时候重新审视医药数字营销各环节更合理的 考核制度。 “价值量化”对行业发展 DTP 药房、医药电商和 实体药店等）、诊疗服务（参与者包括互联网医院、智慧医疗服务企业等）和专业内容 提供商等。 内容是各个环节都不可或缺的要素。无论哪一个服务环节，专业的用药内容及相关的医 学内容都是医药数字化营销的核心要素之一。 面向医生的内容性质明确，体量和形式待丰富。医药行业拥有扎实的医生服务基因，因 此对于面向医生输出的专业医学知识，行业有深刻的了解。例如医生关注的具体是哪类 方案而非更健康的解决方案。因此，好的健康教育内容在专业基础上还需要加入更多用 户视角，助力其改变用户心智。 可见，患者对于健康信息的关注点和阅读逻辑与医生专家有本质的区别，当医生关注卫 生经济学价值、不良反应的时候，患者更关心的也许并不是药物本身，而是如果更快速 恢复健康。因此，单纯将专业药物知识做深入浅出的“专业翻译”拥有足够高的专业度， 但在传达的有效性上也许差强人意。 对此，天士力数字营销负责人李思睿也提到，尤其对于

全自动多组织三维重建 介入科穿刺规划场景 胸外科手术规划场景 肝脏智能诊疗产品难点 • 肝脏内部与周围毗邻结构复杂，诊断难度较大 • 局灶病变种类多样， 有超过 20 个影像学征像 • 需要多期图像联合查看，但不同期相有变形 • 肝病被认为是“亚洲病”，国外研究相对较少 商汤 SenseCare 肝脏智能产品 • 行业首发肝脏智能解决方案 • 覆盖 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 • AI 技术 + 疾病知识图谱融合 • 文本数据 + 影像组学 + 生物信 息等多模态数据治理 AI 技术赋能 • NLP 自然语言处理 • 深度学习 / 机器学习 • 统计分析支持 • 工具、算法开放探索 CHIMA 68 个专病域， 951 个指标 AI+ 多模态专病探索研究 实现数据从业务到科研，从成果到临床的闭环应用，高效为临床研究者探索和挖掘科研成果。 以专科发展带动诊疗能力和水平提升。探索基于影像组学进行疾病诊断研究、基于宏基因组学分析进行诊断模型研究等。 科研假 目开端 （ 数

门 急 诊 挂 号 系 统 门 急 诊 医 生 工 作 站 住 院 病 人 出 转 系 统 电 子 病 历 书 写 与 管 理 医 学 影 像 系 统 临 床 检 验 系 统 • • • 临 床 服 务 医 疗 管 理 医 务 管 理 系 统 护 理 管 理 系 统 住 院 收 门 急 诊 挂 号 系 统 门 急 诊 医 生 工 作 站 住 院 病 人 出 转 系 统 电 子 病 历 书 写 与 管 理 医 学 影 像 系 统 临 床 检 验 系 统 • • • 临 床 服 务 医 疗 管 理 医 务 管 理 系 统 护 理 管 理 系 统 住 院 收 元数据 管理 统一术语字 典服务 患者数据统一 视图 医院评审指 标监测分析 临床辅助决 策系统 特定（单） 病种质量综 合评价系统 医院数据集成 可视化应用 医院临床研 究应用平台 单点登录 服务 临床门户应用 （ Portal ） 临床智能分析应用 （ CI ） 注册服务 患者主索 引 EMPI 人员注册 服务 医疗机构 系统注册 服务