78 新增一个人员数据。 79 修改人员信息。 80 设置一个人员被禁用。 81 设置一个人员启用。 82 删除人员。 83 重置密码。 84 账号管理 用于向各业务系统同步账号。 85 用于本系统或接收业务系统的新增 账号请求。 86 用于本系统或接收业务系统的账号 修改请求。 87 用于管理人员删除账号。 88 用于管理人员禁用账号。 89 用于管理人员启用账号。 90 云、XX 3 级等保要求 安全服务商选 择 XX 云、XX 3 级等保要求 系统运维 管理 维护运营支持 环境管理 XX 云 3 级等保要求 资产管理 XX 云、XX 3 级等保要求 第 85 页 城市大数据中心建设概要设计说明书 介质管理 XX 云、XX 3 级等保要求 设备管理 XX 云 3 级等保要求 监控管理和安 全管理中心 XX 云 3 级等保要求 网络安全管理

同期 23 .85 同比 +0 .85% 军队 19.54 日 地方 10.02 日 急 诊 人 次 1152 危 重 人 次 156 + 预警信息推送 同期 1008 人 同比 +0.85% 军队 198 人 地方 913 人 同 期 3 0 人 同比 +0.85% 军队 198 人 地方 103 人 同期 20 .85% 同比 +0 .85% n 手 同期 230 人 同比 +0 .85% 军 队 198 人 地方 103 人 同期 2,308 人 同比 +0 .85% 军 队 198 人 地方 103 人 同期 12.34 次 同比 +0 .85% 羊 门 急 诊收 入 ( 万 元 ) 151.55+ 同期 230.85 军队 198.54 同比 +0 .85% 地方 103.02 住 院 收入 收入 ( 万 元 ) 109.35 同期 230.85 同比 +0.85% 药品收入 ( 万元 ) 101.50 同期 230.85 军队 198.54 同比 +0 .85% 地 方 103.02 院 长 驾 驶 舱 日常运营监控 国 医 疗 费 用 分 析 治 疗 质 量 分 析 67.23% 药占比 智慧管理 - 管理一体 化 药 占 比 异 常 全院药占比高于警戒线标准

非结构化数据（医疗报告、照片等）..............................................................................................85 5.2 数据清洗与标注...................................................................................... 核心痛点集中在三个维度：首先，海量非结构化数据的处理能 力不足，医疗险中仅 CT 影像等医疗文件的人工解读就需要 2-3 小 时/案；其次，风险识别依赖经验判断，车险骗保案件漏检率高达 18%；第三，客户服务响应滞后，85%的保险公司尚未实现 7×24 小时智能问答。某头部寿险公司内部测试显示，传统 OCR+规则引 擎的医疗票据识别系统，在特病门诊单据上的关键字段提取错误率 达 21%。 现行流程中标注的痛点环节平均消耗 3000+医疗条 款、5000+事故场景的决策树，后台通过联邦学习在数据隔离前提 下实现跨机构风控模型协同进化。预计全面部署后，保险公司综合 赔付率可下降 3-5 个百分点，同时将小额案件自动化率提升至 85% 以上，为行业数字化转型提供可复用的技术范式。 2. 项目背景与需求分析 当前保险行业理赔业务面临效率与质量的双重挑战。传统理赔 流程高度依赖人工核保、定损及审核，平均处理周期长达 5-7

方案目 标 核保时效 48 小时 2 ≤ 小时 理赔自动化率 35% 90% ≥ 产品转化率 12% 17%（+5%） 指标 传统模式 DeepSeek 方案目 标 欺诈识别准确 率 85% 98% ≥ 技术实施路径分为三个阶段： 1. 场景建模：基于历史数据训练核保、理赔等场景的决策树，集成 多模态数据输入（如医疗报告 OCR、语音通话记录） 2. 智能体部署：通过 API 保险业务全链条涉及大量重复性人工操作，核保环节平均需 3-5 个 工作日处理单笔业务，理赔周期普遍超过 72 小时（2023 年银保监 会数据）。代理人 30%以上的工作时间消耗在填写标准化表单上， 而 85%的简单咨询问题仍需人工坐席响应，导致人力资源配置严重 失衡。 数据孤岛与协同障碍 保险公司内部系统通常呈现碎片化状态，典型企业存在 6-8 个独立 业务系统，数据互通需通过中间表手动同步。例如某头部寿险公司 重构核心业务流程。具体表现为： ①对话式交互需支持保险专业术语 90%以上的准确理解；②承保决 策引擎要能在 500ms 内完成多维度风险评估；③理赔自动化系统 需实现医疗票据等非结构化数据的 85%+识别准确率。 在此背景下，行业亟需具备以下特性的解决方案：①开箱即用 的保险垂直领域 AI 能力；②与现有核心系统无缝对接的轻量化部 署方案；③持续自优化的业务知识图谱。这为 DeepSeek

适用范围 本解决方案适用于各级医疗机构，包括综合医院、专科医院、 社区卫生服务中心及民营诊所等场景。系统主要服务于临床医生、 住院医师及具备处方权的基层医疗工作者，可覆盖内科、外科、妇 产科等超过 85%的临床科室的电子病历书写需求。根据国家卫健委 2022 年电子病历应用水平调查数据显示，二级以上医院病历书写 时间占医生日均工作时间的 23.7%，本系统可有效缓解这一痛点。 系统适配三种典型应用场景： 结构化数据提取：自动从电子病历（EMR）系统中提取患者 基本信息、检验检查结果等数据，减少手动输入错误  智能模板推荐：基于专科（如心血管内科、神经外科等）和疾 病类型自动匹配病历模板，推荐准确率不低于 85% 医院管理者重点关注病历质量控制和标准化建设。系统需内置 医疗术语库（包含 ICD-10 诊断编码、CPT 手术编码等），并实现 以下管理需求： 1. 实时质控提醒：对病历完整性、逻辑矛盾、用药冲突等 版本控制：保留修改痕迹并支持差异对比，符合 JCI 认证要求 临床决策支持功能需满足： 1. 药品禁忌提醒：对接本地药典数据库，在处方环节自动标注禁 忌症 2. 检验项目推荐：根据初步诊断自动生成检验套餐（灵敏度＞ 85%） 3. 关键指标预警：对异常检验值（如肌酐＞442μmol/L）进行 分级警示 数据交互要求采用 HL7 FHIR 标准，确保与医院现有系统的兼 容性。性能指标应达到： 项目 指标要求