AI辅助临床医生决策
基于医院20年积累的诊疗数据和医学知识，构建CDSS系统，为医生提供个性化和标准化的诊疗建议，辅助医生进行更精准的临床决策。
在AI医疗领域，CDSS“临床决策支持系统”是最被人们重视和期盼的，它通过整合医学知识、临床指南、患者信息等资源，为不同层级、不同学科的医务人员提供实时、个性化的诊疗建议和决策支持，从而提高医疗质量和效率，减少误诊误治。
我们一直在开展相关尝试，基于医院20多年积累的资源、信息、数据库、数据模型等，依托先进的AI（人工智能）算法、更强的理解、生成、多模态能力，研发慢病专业深度训练相关产品，实现AI辅助诊疗系统下的差异化诊疗。
另外，系统也尝试为不同层次医生诊疗行为的均一化提供了稳定性与高度上的有力保障，一定程度上合理分配了医疗资源，这一点十分重要。
通过多年数据整合，我们病历文本通过NLP+自研语义逻辑，产生了35个大类，共2000万+逻辑标签；实验室归纳建立125个大项、978个指标，超27万条规则，通过该规则共处理了1100万+条化验数据；检查数据包含超15万份各类报告，通过NLP共处理生成约130万个实体标签；其他数据包括：体格检查、科室自检数据等共处理超340万条；超4万份病历、约3570万个标签作为训练数据集10多种机器学习算法进行组合测试、训练；超5万余份病历的大模型蒸馏，共整理了月约20万+的Q/A对，供模型预训练使用。目前NLP分词包含超2700万个医学概念、5500多万个医学术语，其中：英文:36761702个，中文:18561091个。
AI病例审核
利用AI大模型，整合医保规则、相关部门要求与诊疗数据，对病例进行自动审核，提升病例审核效率和合规性。
因为众所周知的原因，本地化部署算力中心需要大量的资源投入，我们也一直在不断克服硬件、软件等各种困难积极筹建本地模型，根据效率、算法优先等原则建立了智能化大模型调用平台，包括DeepSeek从V1版本到目前的R1在内的业内十几个通用平台，都是我们通过多因素计算平衡自动调用范围的一部分；站在医疗诊疗、医疗效率，全面性的角度，充分整合考量包括医疗保险、医保相关规定合规性、医保病例质量要求、各类保险理赔规则、卫生部门监督要求、上级主管部门要求、治疗原则等，进行AI辅助病例审核。目前产生了27条核心质控规则；医保合规问题识别率94.47%。
从建院开始，我院即实行患者一人一生一号制，医院完成的重大科研项目及相关数据都整合在数据池中；下一步，我们将结合临床CDSS无缝衔接医生辅助决策、病例审核及各种不同的维度的工作，帮助我们为患者提供最优的决策方案。
AI查体
依据个人健康数据和诊疗方案，为用户生成个性化差异化的体检方案，并在查体后提供全面的健康管理建议。
目前市面上的体检常常是固定的套餐形式，男女老少基本差别不大，而实际上每个人身体健康因人而异。于是，我们尝试通过整合深度专项诊疗方案、生活习惯、遗传等多方面因素，高效生成个性差异化的体检方案。
在查体之后的综合诊疗中，一线临床医生会给出包括专业性的健康建议、健康评估、健康促进、定期跟踪随访在内的建议并不停地汇集最新数据，针对性地提出包含营养膳食、康复、运动、睡眠等在内的全方位健康管理方案。
在下一次查体时，整合过往所有数据，预测罹患高血压、冠心病、糖尿病、肥胖症等慢病风险，给出即时的个体化健康管理方案。
科研论文-MedmapGPT系统
快速进行科研数据的查询、分析、文献链接和论文辅助撰写，大幅加速医生科研论文产出效率。
有些医生现在写论文很难，在积累的20年的大数据库的支撑下，我们通过MedmapGPT模型系统建立自然语言模型，根据医生想法和要求即时进行科研数据的查询、提取、统计、分析、写取摘要、数据预处理、特征工程、各种算法的多分组比较及绘图等，并与全球各大文献平台系统链接，让医生一键完成复杂数据的整合，将原来需要花费几周甚至数月的时间进行的工作变成一瞬间，帮助医生迅速找到其未来的方向，为医生节约更多的时间和精力。
AI赋能学科诊疗方案辅助生成
基于患者多维评估数据，智能生成专科疾病（如透析）的个性化治疗方案，并提供方案依据和实时监测调整建议。
在大专科、强综合的整合医学运营模式下，结合专科特点进行深度挖掘生专项诊疗方案，并围绕内分泌相关学科进行模式的复制。例如：透析诊疗方案，接轨全球最新的透析方案辅助监测系统并将患者透析服务智能化，基于患者多维评估数据（常规评估、贫血评估、矿物质代谢评估等）等，借助AI智能生成个性化透析治疗方案，全面覆盖治疗目标、透析方案、用药方案、饮食运动及宣教方案等并提供详细推荐依据，支持医生专业判断，同时提供一键应用功能，系统实时监测患者病情变化和治疗效果，智能分析历史诊疗数据，及时预警并推荐方案调整建议，帮助医生持续优化治疗方案，提供更精准、高效的透析诊疗服务。同时，系统也会将相关目标与配合任务分配给医生、护士与患者，实现治疗效果的最优化达成。
医院全流程管理
未来医院全流程管理：构建医院诊疗、服务、管理等各个环节的标准化流程，优化医院运营流程，提高医疗服务效率和质量。
基于真实且完善的数据库和领先的风险评估数据模型以及对内分泌领域独特的理解和整合医学诊疗思维，未来我们会将AI融入到诊疗、服务、患者的医保支付、患者院内院外管理、科研、医院管理等医院的各方面，并在内分泌领域内进行不断深度挖掘，对医院的各个业务环节进行优化和管理，以提高医疗服务效率和质量，改善患者就医体验。
比如目前院外健康管理系统Dr.Hi，为患者提供慢病家庭管理人工智能解决方案。IOT物联中心数据收集完成生活方式、院外医疗行为的数据化无感上传，包括血糖仪、血压计、电子秤、胰岛素泵、胰岛素笔等，并结合门诊医嘱与治疗方案，落实患者相关诊疗行为的执行与效果反馈，整合大数据系统作为辅助医生评价与调整诊疗方案的重要依据。
当前AI训练的基础是数据、信息与规则，也就意味着不间断的数据收集，同时有效的使用与反馈再训练才能使人工智能越来越智能，在医疗领域亦是如此。而如何有效地设计、有效地收集数据，使其贯穿于整个医疗及与之相关的行为之中，包括院内院外、饮食运动、生活方式等便显得不可或缺。
整体上看，目前AI大模型实现服务人类的底层原理是将更大范围、更多维度领域经验、数据与固有规则进行高效的整合，以帮助人们完成不断改进与创新的循环。但其本身不具备进行研发与辨别是非的能力。而当我们尝试越来越想应用好这个工具的时候，就会越来越发现医疗最终的智能应用形态就是“整合医学”，不再单纯地考虑某一个学科，而是将患者的全生命系统以病理、生理的逻辑，科学完成一体化诊疗思维方案的制定。实践也证明了：在过去，在没有强大总结工具出来之前，这一切是不可能、至少是很难实现的。这也又一次与我们对疾病整合医学的发展理念高度统一，给予我们实现目标的最佳机遇。
现阶段，在不断完善相关信息、相关逻辑关系中，AI在医疗领域的应用进程将持续加速并刷新我们的认识，我们也在加紧步伐基于真实且完善的数据库在垂直细分领域中应用领先的风险评估数据模型，围绕学科进行架构深耕；同时，可以预见的是更多的人工智能模型将会被不断地推出，内卷式的竞争将会把各类“deep seek”持续推向更高的高度。
但这个过程必然不是一帆风顺，AI的发展也必将会经历起伏与反复，面临质疑与否定以及遭遇推倒与重建的过程。“在狂热的时候保持冷静，在受挫的时候保持信心”的原则，寄希望而又不奢求的耐心也许才是我们应该长期秉持的态度。在医疗领域的尝试，我们还要坚守生命高于一切的法则，一切尝试始终贯彻严肃严谨、放“手“不放”眼“”的基础原则，再加之大胆创新、重复验证、谨慎相信、无惧失败的工作信念。面对接下来的挑战我们充满信心，结合过往内分泌领域疾病理解的积累、整合医学诊疗思维的认知、对于医疗信息化战略的布局以及更多同伴们一起不懈的努力必将创造出真正推动相关疾病诊疗进步的工具。
我们也需要清醒的认识到：医疗是经验科学，虽经历了漫长岁月的积累，但时至今天医学能解决的疾病问题仍然十分有限，它可以辅助医生提高效率，提高已知医疗诊断与治疗的准确性，但现阶段其同样也受到包括提问方式、阶段信息收集密度、不同模型切换的训练延续等因素影响，存在导致结果输出不稳定亦或训练成本高昂的现实问题；加上医疗过程中重要的医患沟通与人文关怀、复杂的临床判断、伦理和法律责任、临床经验、个体化治疗、多学科协作以及对新情况的适应能力等方面，临床医生的角色仍然是不可替代的。而就像上文讨论过的目前的AI只能基于信息的整合，也就意味着即便借助于AI工具的整合，医学的进步也仍要靠人类的努力与发现。因此，只要保持对于创新的追求与热情，我们的生活也必将会产生更多的变化、有更多可实现的途径、更丰富可操作性的场景，还有更多的不可能将变成可能。相信终有一天，科幻片中的场景说不定便会实现。
