确的标 准和指导。 • 医疗数据信息化：开始医疗机构内部电子病历系统的 应用。《电子病历基本架构与数据标准（试行）》、 《电子病历系统功能规范》、《电子病历系统功能应 用水平分级评价方法及标准》等政策推动整体医疗信 息化发展。互联网医院新业态诞生，医疗服务从线下 向线上延伸。 • 医疗生态智慧化：《进一步推进以电子病历为核心的 医疗机构信息化建设工作》、《国家医疗健康信息医 院信息互联 床管理信息化系统（CIS）、影 像信息管理系统（PACS）。 1.0阶段 院内信息化 2.0阶段 医疗信息化 3.0阶段 医疗智慧化 • 明确电子病历整体框架和建设方 案，推动医疗机构内部电子病历 系统应用。 • 发展互联网医院，推广在线问诊 等在线服务。 • 夯实电子病历建设，实现医疗信 息在医疗机构之间、在区域内的 共享和交换。 • 明晰智慧医院定义和标准，加速 智慧医院的建设。 04 中国智慧医疗行业白皮书 卫生健康服务体系和监管体系。2021年，由阿里健康、熙牛医疗共同打造的“未来医院”信息系统在浙大一 院上线。至此，浙大一院旗下四个临床院区核心信息系统全部搬迁上“云”，各院区信息壁垒逐一打破，实 现患者档案的统一和电子病历信息共享，在提升医生诊疗效率的同时，不同院区医疗资源也能够灵活调配。 2022年8月，江苏省卫健委宣布在“十四五”期间大力发展智慧医疗，与国家医疗保障局大数据中心合作建 设省级影像平台。2022年

.........................................................................................24 2.3 电子病历与档案管理.............................................................................................. 虽然能够存储大量患者数据，但在数据检索和分析效率上存在瓶 颈。通过引入 DeepSeek 技术，医疗机构能够迅速提取和分析患者 历史数据，实现精准诊断和治疗方案的个性化制定。例如，系统可 以根据患者的病历数据、基因信息和实时监测数据，自动生成治疗 建议并预测病情发展趋势。 其次，DeepSeek 技术在医学影像分析中具有重要应用。现代 医疗影像数据量庞大，传统的影像分析方法依赖于医生的经验，容 规模数据分析和深度学习算法，有效提升医疗健康领域的精准性和 预见性。其核心优势在于对多源异构数据的整合与挖掘，包括电子 健康记录（EHR）、基因组数据、影像数据、生活方式数据等，从 而构建多维度的预测模型。例如，通过对患者历史病历数据的分 析，DeepSeek 可以识别出潜在的疾病风险因素，如高血压、糖尿 病等慢性病的早期征兆，并结合基因组数据进一步评估遗传风险。 此外，DeepSeek 能够实时监测患者的生理指标，如心率、血压、

治疗建议； · 健康评估与咨询占比 24%，即根据用户输入的问题文 本，生成医学相关文本答案，为用户提供健康咨询、报 告解读、用药指导、膳食建议等功能； · 病历生成与结构化医学报告生成占比 14%，根据输 入的医生与病人的对话内容，生成病历和诊断报告等结 构化的医疗文本报告； · 辅助诊断占比 5%，辅助医生诊疗决策，根据用户输 入的血常规数据、医学染色体核型病例图像， CT、MR 等多模态医学影像等，生成重构的医学图像数 等多模态医学影像等，生成重构的医学图像数 据及诊断 结果文本数据 ； 此外，还包括中医问诊、医疗设备指导、医药 问答、医保政策 AI 助手、医学科研助手、病历检索 分析、应急救援等生成式模型和应用。 1. 数据来源：国家互联网信息办公室 6 AI 医疗发展支持政策 “ ” 以评促建 推动医疗数字化智能化发展 总体篇 场景篇 趋势篇 政策护航， 全方位助力医疗健康 健康预防环节，跟踪用户数据进行健康咨询并实施个性化的健康管理计划； · 诊前环节，基于聊天机器人进行预问诊，并进行智能分诊导诊； · 诊断环节，基于影像数据、检验数据等形成辅助诊断，并形成智能化病历和分析报告； · 诊疗环节，在手术中使用 AI 驱动的机器人系统，减少人为错误并提高手术精度； · 康复护理环节，结合患者的生理数据等多维信息，定制个性化康复方案； · 慢病管理环节，使用

疗资源得以更广泛地覆盖；物联网技术实现医疗设备的互联互通，提升了医疗服务 的整体效率。 文印服务作为信息流转的关键桥梁，连接着患者、医护人员与医疗系统，在医疗服 务体系中占据着举足轻重的地位。在医院的日常运营中，病历、处方、检验单等文 档在医疗场景中具有不可替代的作用。文印服务不仅是一项基础服务，更是在提升 患者就医体验、优化医院运营效率、推动医疗行业数字化转型等方面都发挥着不可 替代的关键作用。无论是日 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。 智慧文印是医院数字化的重要组成部分 操作便捷 支持云端打印 办公 病案应用 空间狭窄 A�为主的处方和检查单 打印量大 打印机尺寸小巧 设备可靠，稳定性好 打印速度快 兼容性好 门急诊 医生站 A�/A�为主 打印出院病历、医嘱、体温单等 首页打印和连续打印速度快 A�/A�为主 设备可靠、稳定性好 有彩打需求，可网络共享 住院医生/ 护士工作站 需求 �� 门急诊医生站：空间相对狭窄，医生办公桌面积有限，因此需要小巧尺寸的打印

生进行沟通交流，获得专业的医疗建议。 智慧服务 02 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 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。 2025中国智慧医院白皮书 China Smart Hospital White Paper 中国智慧医院发展历程 2011年电子病历评级开启了智慧医院的启幕之年，加快院内互联互通建设； 自2015年始，区域平台建设脚步加快，强调医院“孤岛”上的信息互联互通，庞大的院内信息再利用价值将被释放，同时互联网医院新业态诞 生，慢病线 中医医院、中医数字医共体和临床教学基地。 2023.6 国家卫生健 康委、国家 中医药局 《进一步改善护理服务行动计划(2023-2025 年)》 加强信息化技术支撑。医疗机构通过智慧医院、智慧病房、电子病历信息化 的建设，加强护理信息化发展，充分应用人工智能、5G、物联网等新一代信 息技术，改进优化护理服务流程，提高护理工作效率，减轻临床一线护士工 作负荷。积极创新护理服务模式，通过“互联网+”等方式将院内护理延伸至

相似案例的数据记录可能参差 不齐， 这导致收集数据的准确性和完整性有较大差 异。例如， 电子病历中可能存在相似病例但不同 医生依据个人经验给出的结论不 一 致、病例信息收集不完整、误录或书写格式不统 一 的数据， 这 对模型的训练和结果有重大影响。 多源数据融合难： 医疗数据来源广泛， 包括电子病历、实验结果、影像数据等。如何将多种不同 形式的数据整合成一个统一的训练数据集，是一个重大的技术挑战。 需要一个系统化的开 发技术框架来管理复杂的流程， 以确保模型的高 效构建和应用。 一个完整的框架主要分为数据层、训练层、部署层和推理层几部分。 数据层的开发必须确保数据来源的多样性和可靠性， 包括电子病历、医学影像、历史问诊记录、 医院科室等多种数据源。同时， 还要保证数据的质量， 进行清洗和标准化处理。数据标注是关键步骤， 它将原始数据转换为可用的训练数据， 通过专家标注或自动化标注工具为数据添加标签， 治疗及预后等研究内容。 2. 科研数据库： 如基因组学、蛋白质组 学等数据库， 为模型提供大量的基因、蛋白 质等生物信息。 3. 公共数据集： 如医疗影像数据集、电 子病历数据集等， 这些数据集经过标准化处 理后，可以用于模型的训练和验证。 4. 合作研究数据： 与其他机构或企业合 作收集的数据， 如临床研究数据、患者调查 数据等。 微调指令数据 大模型指令微调

够支持复杂的跨模态任务，例如图像描述生成、语音识别和视频理解等。这些任务需要模型具备跨模态的感知、理解 和推理能力。 多模态大模型当前已经在多个领域得到了广泛应用，例如医疗、教育、研发等。在医疗领域，多模态模型可以整 合患者的文本病历和医学影像，辅助医生进行诊断；在教育领域，模型可以结合文本和图像内容，提供更丰富的学习 资源。 在研发领域，多模态大模型也显著提升了应用的开发效率。大模型结合应用数据进行调优，能够显著提升模型的 单点登录/登出 无密码认证 用户访问管理 审计日志 安全策略与标准 质量保证标准 测试自动化 数据隐私 安全防护 隐私合规&质量保证 数字化健康平台（DHP） 数据管理 患者数据 电子病历数据 电子健康记录数据 AIDA数据 云基础设施 云计算 云数据库 设备 无服务器运算 AI基础设施 运维管理 监控与仪表盘 设备管理 智能AI运维 智能韧性 平台工程 配置管理 微前端 微服务架构

Transformer 架 构突破催生 BERT、GPT 等预训练模型，显 著提升医学文本解析能力，奠定大语言模型 （LLM）及多模态大语言模型（MLLM）基础。 当前 LLM 已能处理复杂医学文本，包 括病历解读、文献分析及辅助决策推理 2； MLLM 融合文本、影像、基因组等多源数据， 构建跨模态诊疗框架提升诊断效能 3。这些 技术突破使 AI 医疗在资源匮乏地区显现特 殊价值，通过自动化分析降低医疗成本，缓 解人力短缺。全球开源社区的协同创新加速 医学大模型多语言适配与全球化应用，释放 临床转化潜力 4。 2.2 最新进展 2.2.1 医学 LLMs LLMs 在医学文本解析中展现出卓越能 力，可自动化解析电子病历、PubMed 文献 及医学指南，精准提取药物名称、副作用等 关键信息，有效支撑临床试验匹配与知识图 谱构建。在交互应用方面，LLMs 驱动的聊 天机器人（如 Woebot）通过认知行为疗法 实践，覆盖疾病筛查、诊断到个性化管理的 全流程。 2.3 前沿科学问题和突破路径 2.3.1 医学大模型知识体系缺乏广度与 深度的融合 需融合知识广度与深度应对医学复杂 性：广度需整合电子病历、影像、基因组等 跨领域数据，深度需疾病机制与个体化诊疗 的专家级理解。数据隐私限制全球共享，地 区标准差异与知识更新滞后制约适用性。应 建立动态知识体系保障全面精准。 突破路径：利用自然语言处理

广西壮族自治区信息中心（广西壮族自治区大数据研究院） 广西区块链发展白皮书（2025 年） — 8 — 护交易双方的身份信息和交易金额等敏感数据，防止信息泄露和 欺诈行为；在医疗领域，用于保护患者的病历数据和个人健康信 息，同时允许医疗机构之间在保护隐私的前提下进行数据共享和 协同医疗；在政务领域，用于保护公民的个人信息和政务数据的 安全，提高政务服务的效率和透明度。 二、广西区块链发展现状

核心驱动：结构化数据（如 交易记录）、非结构化数据 （如语音、图像）及物联网 时序数据的爆发，单一模态 分析已无法支撑全局决策。 ◼ 应用场景：在医疗领域，多 模态分析可同步解析医学影 像、电子病历文本及可穿戴 设备生理信号，提升诊断效 率。 32 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 ABI未来潜在应用领域 ABI未来