....................................................................................14 2.1.1 自动识别与诊断................................................................................................... .......................................................................................33 2.4.2 远程诊断与治疗................................................................................................ 此外，医疗健康领域的决策支持系统也对预测能力提出了更高 的要求。例如，在疾病诊断、治疗方案推荐和患者预后预测等方 面，精准的预测模型能够帮助医生做出更加科学的决 策。DeepSeek 在预测分析方面的优势在于其能够通过大量的历史 数据训练出高精度的模型，并结合实时的患者数据进行动态预测。 这不仅提高了诊断的准确性，还为个性化医疗提供了强有力的技术 支持。 在实际应用中，DeepSeek

面对这些挑战，人工智能技术，特别是以大型模型为代表的生成式 AI 的迅 猛 发展，为医疗健康注入了新的机遇。 AI 的应用能够快速分析海量且复杂的 医疗信息， 从而支持更加精准的医疗决策，协助医生做出更为科学合理的诊断 与治疗规划，有效减轻医护人员的工作压力，并缓解医疗资源紧张的局面。此 外 ， AI 技术正在推动医疗服务向自动化和智能化转变，优化包括预约挂号、诊 疗服务、费用结算、检验检查等在内的各个环节，将极大提升患者的就医体验。 医疗健康行业 AI 应用白皮书 AI 技术加速迭代， 推动医疗向更高效率、更精准服务发展 AI 在医疗健康行业的应用由来已久，从早期 的规则引擎和专家系统引入，到医学影像分析、病 历质控、疾病早期筛查与诊断、再到医药研发， AI 在医疗健康行业的应用逐步深入。当前，随着生成 式人工智能的加速发展，众多研究机构和企业在通 用大模型的基础上，基于不同细分领域的医学和医疗 数据进行再训练或微调，构建医疗行业大模型，推动 患者主诉、检验报告结论等），或者其功能不涉及医 疗器械数据的处理和分析，则不作为医疗器械管理， 无需进行医疗器械注册。如果 AI 医疗软件处理的是 医疗器械数据（如医学影像、生理信号等），且其核 心功能用于医疗用途（如辅助诊断、治疗计划制定 等），则属于医疗器械，需按照相应的类别进行注 册管理才能合法上市销售。目前生成式 AI 在医学领 域的应用尚未形成明确的监管框架和注册准入管理制 度，因而很多作用于医学影像和医药研发的大模型与

被动应急 故障统一调度 系统具备应急预案 故障点人工恢复 统一变更入口 工具建设 集团+省分 几百套系统 跨系统全链路 定界诊断 主动预防 集团+分子公司 整体态势感知 混沌工程 故障自愈 变更追踪 变更管控 体系建设 故障发现 与诊断 故障恢复 与应急 故障预防 故障调度 体系演进 分布式架构挑战 运维生态挑战 数智运维挑战  端到端稳定性保障体系缺失，自动化、智能化故障处理能力不足 业务快速抢通 3、故障事后治理追踪全流程线上化闭环管理，确保故障 经验有效沉淀，整改措施有效落地 1、系统深度健康体检，全链路性能隐患分析 2、系统容量隐患深度分析 3、统一隐患闭环治理 告警、诊断、自动化作业能力组合贯穿‘监’与 ‘控’，实现多场景故障自愈 1、全链路读、写压力测试、评估链路容量水位 2、接口、UI自动化巡检及时发现业务异常 变更追踪与管控 故障自愈 隐患管理 稳定性测试 主机：内存、磁盘、CPU、网络指 标等  网络出、入流量、并发会话数、连 接数等  数据中心、网络设备、主机拓扑映 射关系 统 一 标 签 规 范 标 准 + 自 定 义 监控告警 数据可视 故障诊断 隐患分析 故障预防 ... Clickhouse 应用时序指标、trace、 方法调用明细 Prometheus 业务、服务、组件、资源 时序指标 Neo4j+Redis 拓扑数据

数据孤岛： 应用、数据库、 中间件、云平台、 基础设施各管自身 集团 + 省分 几百套系统 跨系统全链路 定界诊断 故障自愈 混沌工程 主动预防 变更追踪 变更管控 集团 + 分子公 司 整体态势感 知 体系建设 故障发现 与诊断 故障恢复 与应急 故障预防 故障调度 体系演进 稳定性保障工具建设历程 、任务流程线上化绘制、管控，统一入口管理调度 3 、技术监督实现变更管控 稳定性测 试 故障管理 1 、全链路读、写压力测 试 、评估链路容量水位 2 、接口、 UI 自动化巡检及时发现业务异常 故障 自愈 告警、诊断、自动化作业能力组合贯穿‘监 ’与 ‘控 ’， 实现多场景故障自愈 稳定性保障工具聚焦 领域 变更追踪与管控 全栈可观测性 隐患 管理 规 范 标 准 + 自 定 义 Prometheus 业务、服务、组件、资源 时序指标 储、分析处理标准，提供可观测性能力数据基础。 数据可视 监控告警 故障预防 隐患分析 故障诊断 Neo4j+Redi s 拓扑数据 统 可观测性建设： 链路追踪

工 具库包括原子工具、专业工具和跨专业工具，主要由各应用能力构成。 4类应用能力，包括安全运营能力、质量保障能力、运营效能提升能力、客户体验提升能 力。各能力由网络中台和应用平台提供。如故障诊断、排障能力、指令集成能力、低效资源识 11 别能力、质差分析能力等。 3个数智基础。分别是网络数据中心、网络资源中心、网络AI中心。网络AI中心是核心， 提供大模型、小模型、知识图谱的训练、生成和推理服务。 设备节能率、一次上站率、工单派发量、人均维护设备数量等成效指标支撑单位设备运维成本。 第三层 KCI 指标：面向高价值场景，定义支撑KEI指标的系统能力指标。例如对于工单派 发量KEI指标，通过提升故障自动诊断率、自动修复率、质差自动修复率等能力指标进行提升。 结合中国联通现状和推进计划，匹配高价值场景，形成中国联通2025年高价值场景的评 价指标体系，如下表所示。 表1 中国联通2025年高价值场景成表指标 小时 KEI 开通及时率 % KCI 自动开通率 % 监控排障-无线网、核心网 KEI 故障工单平均处理时长 小时 KEI 故障处理及时率 % KCI 故障自动诊断率 % 核心机房巡检-动环 KEI 隐患巡检发现率 % KCI 巡检作业自动化率 % 网络优化-无线网 KEI 重点场景感知达标率 % KCI 无线质差小区优化自动化率

落到2023年 的29起2。与先前分析的智慧医疗投资偏好变化相同，投 资者趋于理性，更加关注智能技术在医疗场景的实际应 用和规模化推广。 从AI医疗行业投融资业务情况来看，AI药物研发、AI医疗 诊断、AI医疗设备和AI医疗方案是近两年最主要和热门 的业务。目前投资者仍倾向于投资初创、新兴企业，同 时投资轮次更为均匀。 一些互联网巨头也在加大对具备技术突破潜力的新兴企 业的投资，加速对数智医疗市场战略布局。例如，2024 全周期健康服务体系。 • AI医疗解决方案提供商讯飞医疗在港上市，成为香港市 场医疗大模型第一股，募资金额约5.8亿港元。讯飞医 疗作为人工智能赋能的医疗解决方案提供商，支持健 康风险预警、早筛、辅助诊断及治疗以及治疗效果评 估、诊后管理与慢病管理的多种医疗服务。 • 智慧医疗解决方案提供商微医控股（微医）向港交所 递交招股说明书，预计筹资4至5亿美元（约31.2亿至 39.0亿港元）。微医自主研发行业领先的医疗垂直大 AI医疗健康解决方案市场规模预计在2025年突破200亿元， 并在2030年突破1,000亿元，复合年增长率达43.2%。4 伴随新一代AI技术发展和迭代，更多的医疗大模型出现， 不论是在医学影像诊断、病理分析、临床辅助支持决策， 或是药物研发等领域都展现了AI特有的优势，AI技术的 应用正在为行业带来更加多元的发展机遇。 此外，一些更加前沿的新兴技术也开始在医疗领域崭露 头角，为智慧医疗行业格局带来了更多的新可能性。例

围绕医疗健康大模型展开多方面探 讨， 对推动其在医疗 领域的合理应用意义重大。 本白皮书主要内容主要包含 一 下四个方面： 首先是医疗 大模型应用技术分析， 阐述医疗健康行业现状及大模型应用场 景， 如疾 病诊断 、 个性化治疗等， 同时指出其面临的 数据隐私安全 、 质量 一致性 、 伦理问题 、 技术基础设施及法规合规等挑战 ； 介绍开发技术框架 及数据收 集 、 训练 、 究数据和患者记录，为医 疗行业提供更多的智能化支持工具。然而，医疗行业在引入大语言模型时面临着独特的挑战。与其 他行业相比，医疗领域对答案的严谨性、安全性以及合伦理性有着更高的要求[6]。任何错误的诊断 或决策都可能直接影响患者的健康和生命，因此，如何确保大语言模型在医疗应用中的正确性、可 靠性和符合伦理，是这一技术应用中的关键问题。 1.2 医疗健康大模型概述 医疗健康大模型是一种结合了 专 门用 于解决 医疗和健康领域中的各 种 问题。 这些 智能利用海量专业医疗 文献 和问诊数据进行 训练了 基座大模型， 外接了专业的医疗相关知识库用于补充推理时的知识依据， 涵盖了包括疾病诊断、个 性化治疗、药物发现、医学影像分析等诸多方面。 05 PAGE 医疗健康大模型伦理与安全白皮书

借助先进的信息技术和医疗设备，实现医疗过程的智能化和精准化。智慧医疗主要包括电子病历系统、临床决策支持系统、医疗物联网、人工智能辅助 诊断等。电子病历系统实现了患者病历的数字化管理，医生可以通过电子病历系统快速获取患者的病史、检查检验结果等信息，提高诊疗效率和准确性； 临床决策支持系统基于大数据和人工智能技术，为医生提供诊断建议、治疗方案推荐等辅助决策信息，帮助医生做出更科学合理的临床决策；医疗物联 网通过将医疗设备、药品、 网通过将医疗设备、药品、患者等连接成一个网络，实现对医疗过程的实时监控和管理，提高医疗质量和安全性；人工智能辅助诊断系统可以对医学影 像、检验数据等进行分析，辅助医生进行疾病诊断，提高诊断的准确性和效率。 智慧医疗 03 2025中国智慧医院白皮书 China Smart Hospital White Paper 智慧医院划分与建设范围 当前，在我国医疗领域圈定的智慧医院范围主要包括智慧管理、智慧服务与智慧医疗三大领域。 科技部等六部门 《关于加快场景创新以人工智能高水平应用促 进经济高质量发展的指导意见》 明确要以更智能的城市、更贴心的社会为导向，在医疗健康等领域持续挖掘 人工智能应用场景机会，积极探索医疗影像智能辅助诊断、临床诊疗辅助决 策支持、医用机器人、互联网医院、智能医疗设备管理、智慧医院、智能公 共卫生服务等场景，进一步提升智慧医院建设的战略地位。 2022.3 国务院 《关于“十四五”中医药发展规划》

2030”宏伟目标的关键路径。通过智能化、 精准化和数据驱动的医疗服务，医疗行业正朝着更高效、更普惠的方向大步迈进。 随着人工智能辅助诊断、大数据驱动决策、远程医疗和物联网技术的广泛应用， 医疗行业正朝着智能化、精准化、平台化和跨领域融合的方向快速发展，以提升诊 疗效率、优化医疗资源配置。人工智能辅助诊断技术凭借其强大的数据处理和图像 识别能力，帮助医生更精准地判断病情；大数据驱动的决策系统，通过分析海量医 疗 历等数字化工具逐渐普及，但物理文档在医院之间的信息传递以及患者的个人留存 方面，发挥着电子文档无法替代的作用，例如患者在就诊过程中仍然需要纸质的病 历、检查报告、发票等资料用于报销、转诊等用途，而医生在诊断和治疗过程中也 习惯参考纸质的病历和检查结果，以便更直观、准确地了解患者病情。因此纸质病 历和导诊单等物理文档凭借其直观性、便携性和法律认可性等特点，依然在医疗领 域占据着不可替代的重要地位。 眼球图、内窥镜、肠胃镜等影像资料，这些影像资料对于医生的诊断具有重要的参 考价值，因此打印设备除了首页打印和连续打印速度快以及设备可靠，稳定性好的 需求之外，还对彩色打印的品质和介质适应性要求较高。例如，X光、CT图像需要打 印在专门的胶片上，而内窥镜图像则需要在普通纸或半透明PVC塑料片上实现清 晰、准确的彩色打印，以便医生能够准确地观察病变部位的颜色、形态等细节特 征，从而做出准确的诊断。 办公病案应用：满足医

我们提供什么： “我们为他们提供了那些能力” 结果： 情况：（职位、行业） 需要的能力： （何时、谁、做什么） 他说他们需要一种方法，在客户报障的时候，我们的维修 人员可以看到设备的实时参数，从而可以远程诊断故障， 较少差旅的次数； 现在他们的售后成本和人力成本减少了60% 痛苦表 职位和行业： 痛苦： 产品或服务： 通过物联网采集设备数据 角度 是不是因为……？ 这个（痛苦）导致……吗？ 维修效率低，售后成本高； R2原因 I2影响 C2能力 维保期内售 后 A:是不是因为差旅次数过多，导致售后成本高？ A. 何时：在客户报障的时候 谁：维修人员 做什么：调出报障设备的历史运行数据，远程 诊断故障，小故障可以指导客户自行解决？ 1.现在贵司在售后上，每年投入多少的成本？ 2、现在贵司有多少维修人员？ 技术部主管 （负责技术管理、制造设计、产品研发） 4、有多少比例的售后问题是可以远程解决的？ 九宫格模型 售后主管受到了影响么？ 这样会导致售后成本居高不下？ 研发主管受到了影响么？ 这样会导致设备销售增速放缓？ 这个问题会导致维保收入降低？ 这样会导致配件销售收入不可控？ 诊断原因（R） 探索影响(I) 构想能力(C) 1)开放型 1、您认为现在设备销售竞争越来越激烈的原因是什 么？ 1、哪些部门受到了影响？ 1、要想解决这个问题，你们需要怎样的能力？ 2、导致现在售后成本不断攀升的原因是什么？