SPD 模式是一种以保证院内医用物资质量安全、满足临床需求为宗旨；以物流信息技 术 为支撑；以环节专业化管理为手段；强化医院医用物资管理部门的全程监管；协调外部 与内 部需求为主导，对全院医用物资在院内的供应、加工、配送等一元化的运营服务模式。 Supply ( 供 应） Processing （加工） Distribution （配送） 解决物资院内使用塑形问题， 包括：拆包、打包、附码等 包括：拆包、打包、附码等 解决物资院外供应问题 解决物资院内科室配送问题 医用物资 SPD 智慧物流建 设 案例 4 送货出码 实物核对 赋码登记 扫描验收 完 成 入 库 耗材闭环 管理—出 库、贴码、 入库扫码、 病人使用 扫码 SPD 智能物流建设成果 ---- 智能 柜 通过物联网技术，应 用 RFID 标签， 打造无 人值守耗材管理模式； 智能化设备的应用，

考意见，其中最突出的产品形态是肿瘤大数据平台；  发展环境：医疗大数据平台的搭建，目前主要面临三大难题： A. 医院数据壁垒：受限于传统医疗体系，医疗信息往往被封闭在一家医院的院墙之内，而且即便是在医院内，不同科室之间的 信息 也难以相互联通。信息无法共享，导致每个医生、科研人员所能掌握的数据量非常有限； B. 样本量小，成本高：受到信息割裂现状的影响，肿瘤研究的样本数量往往在百例左右。然而成本却非常高，许多 分析，指导用户合理用餐。 肽示意图 MRSA 示意图 MRSA ，中文叫耐甲氧西 林金黄色葡 萄球菌，是临 床上常见的毒性较强的 抗 生素耐药菌； MRSA 从发 现至今感 染几乎遍及全球， 已成为院内和社区 感染的 重要病原菌之一。 2 典型应用场景  在营养学方向进行着探索，其开发的一款名为“每日三次”的 App ，搭建菜品图谱，利用图像识别技术，根据用户拍照上传的菜品图片， 自动识 App 产品二： 万灵数据 平台 患者端 医生端 健康趋势风险预警 院外病情记录 历史病历管理 历史相似病历诊疗方案聚合 跨院历史病历追踪 病历数据挖掘分析 院内数据库建设 躁狂筛查 焦虑监测 危险行为 抑郁筛查 睡眠质量 自杀倾向 数据挖掘 降维处理 近 200 维度的量表，数据挖掘算法降维处理后不 足 30 维，缩短一半以上的量表填写时间

网页防篡改 DNS 数据备仹 数据备仹 医院等保方案 存储虚拟化 虚拟化服务 器集群 核心业务区 小型机 服务器 容灾备仹区 存储 核心交换区 医保 银行 农合 医院内网、外联接入区 IPS FW FW FW ACG FW IPS WAF 院区接入 无线覆盖 堡垒机 防病毒 数据库実计 漏洞扫描 ISP VPN 分院 安全 管理平台 安全管理区 ☆ ☆ ☆ ☆ ☆ ☆ ☆ 数据备仹 医院等保方案 存储虚拟化 虚拟化服务 器集群 核心业务区 小型机 服务器 容灾备仹区 存储 核心交换区 医保 银行 农合 医院内网、外联接入区 IPS FW FW FW ACG FW IPS WAF 院区接入 无线覆盖 堡垒机 防病毒 数据库実计 漏洞扫描 ISP VPN 分院 安全 管理平台 安全管理区

AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 4. 下行经济形势下，医健企业一级市场融资受阻，IPO 延期。医疗 AI 企业需要加速商 业化，在产品形态、市场开拓、伙伴合作等方面实现全面创新，尽快找到扭亏为盈的具 30 天内再入院。从这一需求出发，讯飞医疗研发了星火认知大模型+ 诊后康复管理平台，该平台可以在家智能生成康复计划，主动发起随访，变更康复计划 并向专业医生提出问询，将专业的康复管理和康复指导由院内延伸到院外，确保患者享 受到高品质、连续性的医疗服务。 同时，平台自动提醒患者，并在康复过程中，通过 AI 随访电话等方式对患者进行主动 式管理，并通过大模型为患者提供 7*24 小时咨询服务。新一代诊后患者管理平台在安

的提升。由于历史建设周期差异、技术标准不统一以及部门间协作 机制缺失，医疗机构内部及跨机构间的数据往往分散存储于异构系 统中，形成彼此割裂的信息壁垒。典型表现为以下三方面： 1. 系统异构性导致整合困难 医院内部 HIS、LIS、PACS 等核心系统常由不同厂商开发，采 用差异化的数据格式与接口协议。例如，某三甲医院的检验系 统采用 HL7 V2.x 标准，而影像系统则遵循 DICOM 3.0，二者 20% 6. 监控与日志 o 部署 NetFlow/sFlow 流量分析工具，实时监测网络状 态，阈值告警（如带宽利用率>80%）。 o 保留完整网络日志≥6 个月，供审计溯源。 注：若医院内网为封闭环境，需通过网闸或光闸实现数据摆 渡，确保物理隔离下的可控交换。 5.2 部署流程 医疗系统的 DeepSeek 智能体部署流程需遵循标准化、模块化 原则，确保与现有 HIS/PACS/LIS 万人次，具备多科室协作复杂病例处理的典型需 求。实施周期分为三个阶段，共 6 个月完成全系统部署。 第一阶段（1-2 月）完成基础设施适配与数据治理。部署 2 台 DGX A100 算力节点组成私有化集群，通过医院内网与 HIS、PACS、EMR 系统建立安全数据通道。采用联邦学习技术处 理敏感数据，确保原始医疗数据不出域。对 12 个核心科室的电子 病历进行结构化清洗，构建包含 480 万条标注数据的知识库，数据

器、高速内存和大容量存储设备，以支持大规模的医疗数据处理。 同时，显卡和专用加速器将被集成用于加速深度学习模型的训练和 推理，特别是在医学图像识别和自然语言处理任务中表现优异。网 络模块将支持高速数据传输，确保医疗数据在院内外的快速共享与 协同处理。 软件层面，DeepSeek 智算一体机将预装医疗行业专用的操作 系统和软件套件，包括但不限于医疗影像分析系统、电子病历管理 系统、远程会诊平台等。这些软件将针对医疗场景进行深度优化，