5月23日，由中国医院协会医学人工智能专业委员会指导，北京大学医学继续教育学院（北京大学医学部大健康国际研究院）主办的第二届医疗大模型（LaMMS）“创新与实践”专题研讨会于江苏常州成功举办。
第二届医疗大模型（LaMMS）“创新与实践”专题研讨会会议现场
本场大会邀请了常州市第一人民医院、中国中医科学院广安门医院、浙大医学院附二院等医院代表，北京大学医学部、复旦大学计算机学院等科研院校代表，全诊医学、百度智能云等企业代表，就国内外医疗大模型前沿趋势、应用实践经验和医院服务AI智能化转型等议题展开了深入交流和精彩的观点碰撞。
会上，多项AI医疗创新成果呈现。同时，常州市第一人民医院与常州大学、全诊医学联合共建的“常州市全诊大模型医疗人工智能工程研究中心”正式宣布成立。该中心聚焦医疗人工智能的研发应用，旨在推动诊疗效率提升和医疗资源优化，整合产学研资源，促进医疗智能化转型发展。未来，三方将联合将其建设为国内医疗AI技术的重要研发基地。
常州市全诊大模型医疗人工智能工程研究中心成立仪式
01
服务医生、赋能医生、解决医生实际需求
全诊医学让医生“回归诊疗”
会后，动脉网对大会承办方、常州市全诊大模型医疗人工智能工程研究中心发起方之一——全诊医学的创始人薛翀进行了采访。
长久以来，国内医疗健康产业面临优质医生稀缺的问题。背后原因，或与培训体系有关，或与培养周期有关，但医生出身的薛翀看待这一问题的视角，有些许不同。
在薛翀看来，当前医院普遍面临医生资源供给不足的痛点，核心体现在两类医生群体上——初级医生和高级医生供给不足。
医学院毕业生在规范化培训过程中，通常被安排写病历等基础工作。这导致初级医生力量薄弱，无法有效分担临床任务，同时限制了他们快速成长的潜力。医院缺乏足够的初级医生承接基础工作，影响了高级医生的效率释放。
高级医生（顶级专家）的培养则依赖大量病例训练和临床经验积累，培养周期长，培训成本高。全球范围内普遍存在高级医生供给不足的现状。
而AI技术的应用则可有效解决上述难题：一方面，AI技术的应用能有效提升病历书写的效率和医患沟通的效率，让高级医生专注于临床决策、聚焦诊疗主业，助力初级医生加速成长；另一方面，AI工具的应用创新了医学教育范式，提升知识获取效率的同时亦可通过模拟系统等，大幅提升住院医师和专科医师临床能力培养的效率。
据此，全诊医学在AI医疗领域的主要实践均围绕服务医生、赋能医生、解决医生实际需求展开。全诊医学成立于2016年，是专注于提供医疗AI人工智能产品与信息技术服务的国家高新技术企业，其自主研发的全诊医学大模型AI服务平台及产品，已在浙大医学院附属邵逸夫医院、浙江省人民医院、广安门医院、常州市第一人民医院落地应用，并已服务1.5万家基层医疗机构。
全诊医学创始人薛翀在第二届医疗大模型（LaMMs)研讨会上演讲
02
推出智能电子病历、数字人、随访机器人
提高病历书写、患者管理效率
如果说大模型、生成式AI等前沿科技在医疗领域应用的终极目标是提升医疗服务效率，使优质医疗资源普惠民众，进一步推动我国卫生健康事业的高质量发展，那么，全诊医学无疑找到了其中的关键角色——医生。
先来看全诊医学携手常州市第一人民医院在AI提高医生工作效率方面的实践，其一是病历的书写；其二是患者管理（含诊前咨询、预问诊以及诊后随访管理等）。
具体而言，病历书写根据场景需求细分为门诊病历的书写和住院病历的书写两个方面。在门诊病历方面，自2024年6月以来，经过包括语音模型的多轮迭代，在全诊医学的支持下，常州市第一人民医院不仅实现了门诊病历的智能化书写、语音智能转写病历，还将智能病历书写的场景拓展至了互联网医疗场景，生成内容包括既往史、个人史、诊断结果和处理建议等。
据常州市第一人民医院院长周军介绍，近一个月内，智能电子病历已占当月全部病历的25%，离实现30%的目标已然不远。并且，在实际应用过程中，全诊医学也根据常州市第一人民医院意见及江苏省病历书写特点，多次迭代升级，优化使用体验，确保医生使用舒畅。
常州市第一人民医院院长周军分享智慧医院建设实践
而在住院病历书写方面，常州市第一人民医院形成了规范化的电子病历书写体系，并能实现跨科室数据的收集，检验检查、手术结果的汇总，并最终形成一份完整的住院病历。“自2024年10月开始院内推行以来，这套体系的运转日益成熟。这也让我们看到了大规模推行的希望。”大会上，周军如是说道。
至于患者管理方面，常州市第一人民医院在全诊医学的技术支持下打造了AI数字人——常医万事通。该系统可为患者提供7X24小时的就医咨询服务、智慧导诊服务以及随访管理服务以降低医患沟通成本，提高医患沟通效率。
其中，需要进一步说明的是，数智化随访管理的应用并不意味着医生对患者管理完全置之不理，而是其能够借助数智化工具，将部分重复性、无需人工干预的工作交由AI开展。如需人工干预，则医生依旧会介入，参与服务。如此，便能在保障医疗质量、提高患者依从性的前提下减轻医生工作负担，提高医生工作效率。
一台搭载医疗大模型的“AI数字人”正在与患者对话
03
合作AI助学、AI虚拟患者
强化知识学习，提高疑难罕见病诊疗能力
全诊医学与北京大学医学部的合作，则主要围绕医学教育展开。
海量医学知识的记忆对于大多数医生而言都是痛苦的存在。因此，医生白大褂的口袋往往较大，因为，除了需要塞进听诊器外，还需塞进口袋书以便日常翻阅。这，一方面引发了近年来一直推动AI革新医学教育范式的北大医学部的思考——AI 能否让医学资料变得比口袋书更便携，能够提高查找、翻阅资料的效率的同时还能时常唤醒知识记忆？
而另一方面，本就致力于服务医生、赋能医生、解决医生实际需求的全诊医学，自然也以提升医生能力、助力其高效掌握医学知识为己任。于是，有共同目标的双方，当即一拍即合，联合开发了一款AI助学产品。
AI助学是一款将权威医学书籍变为口袋电子书的产品，除日常翻阅外，这款产品还能够高效检索所需知识，并能够针对医生疑问进行系统性的答疑解惑。这意味着，凭借这款产品，医生不仅能够完成日常的阅读学习，还能够随时向AI助学进行文字或语音提问，而AI助学不仅能够给出精准回答，还能够附上文献和书籍的原文定位，让医生在获知答案的同时也能知道答案来源，加强了医生对AI工具的信任。
北京大学医学部副主任段丽萍分享AI助学产品
而除AI助学外，北大医学部副主任段丽萍还在会上分享了与全诊医学联合开发的AI虚拟患者。基于脱敏后的疑难罕见病病历，结合Prompt、RAG、Workflow等技术，全诊医学与北大医学部构建了初版的疑难罕见病AI虚拟患者，不仅支持语音、文字等多模态的交互方式，还设置了学习、考核双模式。
“在临床实践中，‘病例资源’不均的问题始终存在，尤其是近几年国家大力推行分级诊疗制度的趋势下，基层医生以常见病诊疗为主，鲜少参与疑难罕见病诊疗。因此，其对于疑难罕见病的诊疗能力有所欠缺。并且，即使是一、二线城市大医院的医生，由于疑难罕见病发病率相对较低，其接触到疑难罕见病病人的机会也相对较少，恐难以形成丰富的诊疗经验。”段丽萍表示，AI虚拟患者可大幅提升住院医师和专科医师临床能力培养的效率，还可促进疑难罕见病医学教育平权。
04
开设医疗大模型实操工作坊
助力医生掌握模型训练技能
除提高医生工作效率，提升医生诊疗能力外，医生还有哪些未被满足的需求？答案之一，与大模型等数智化技术在医院的落地有关。
一方面，以大模型为代表的新一轮人工智能浪潮的兴起让医疗健康产业看见了解决诸多问题的希望，并纷纷主动投身其中，参与实践；但另一方面，基于大模型构建智能体门槛较高，医院复合型技术人才稀缺，使得许多医院陷入了“有数据不敢用、有算力不会用”的困境之中。
工作坊现场，讲师基于全诊医学大模型综合服务平台为学员讲解监督微调原理
在此背景之下，北京大学医学继续教育学院联合全诊医学产研及技术专家、复旦大学郑骁庆团队开设了《医疗大模型精调与智能体构建》工作坊，通过实战指导和训练，手把手教会学员训练医疗大模型。
在学习医疗大模型基础原理的基础上，工作坊设置了分组实战环节，每组在助教指导下完成包括模型监督微调、智能体构建等任务。
大模型训练离不开数据、算力的支持。因此，为确保学员能够充分掌握模型训练技能并通过沉浸式的体验获得模型训练乐趣，全诊医学除了提供培训讲师师资外，还为本次工作坊提供了从脱敏数据集到充足算力芯片再到预置平台等全方位的支持，学员仅需一台电脑便可上手实操。
工作坊现场学员合影
从与医院合作提高医生工作效率到与院校合作推动医学教育创新，再到参与设立工作坊开展大模型实操培训，全诊医学这些举措的背后释放了什么信号？文章的最后，我们谨以全诊医学创始人薛翀的解释作为回答：“全诊医学所做的每一件事情，都是为了服务医生、赋能医生，满足医生的切实需求。这是全诊医学现阶段以及未来都会坚守的初心。接下来，全诊医学还将凭借模型开发全流程工具链的技术优势、医疗AI融合应用经验和先发优势，持续满足医生多元化的需求，进而推动医疗健康产业的高质量发展。”
如果您想对接文章中提到的项目，或您的项目想被动脉网报道，或者发布融资新闻，请与我们联系；也可加入动脉网行业社群，结交更多志同道合的好友。
近
期
推
荐
