產業一線｜醫院培訓使用AI助手，一下來了五六百人，“很多站著聽”

　　中新經緯3月17日電 (王玉玲)“幫我查一下這個病人的全部數據中TNM臨床分期有多少個，是否統一。”中山大學腫瘤防治中心副院長、主任醫師孫穎向AI診療助手語音輸入指令后，一分鐘內，接入患者病歷系統的AI診療助手給出了分析結果。

　　TNM‌是目前國際上最為通用的腫瘤分期系統，用于評估惡性腫瘤的生長范圍和播散程度，并以此為依據制訂治療方案和估計預后。

　　此前，醫生需要翻閱患者歷史的病歷和就診記錄，并通過自己記憶整理歸納患者的腫瘤特征、淋巴結轉移數量、遠期轉移灶位置和數量等關鍵信息，才能得出準確的TNM分期結論。這一過程不僅繁瑣，且易受人為因素影響。

　　現在，這項費時費力的工作變得快捷，清晰明了。

　　而查閱TNM分期結果，只是AI診療助手的場景之一。中新經緯近日來到位于廣東省廣州市的中山大學腫瘤防治中心，探訪AI診療助手在醫療場景中的應用。

　　患者能“多聊”三分鐘

　　2月27日，中山大學腫瘤防治中心完成私有化部署醫渡科技AI中臺，依托國產大模型DeepSeek滿血版及醫渡“AI醫療大腦”YiduCore，打造AI診療助手，賦能臨床應用場景。

　　中山大學腫瘤中心信息科主任李超峰告訴中新經緯，醫院部署AI診療助手，最主要是希望通過人工智能技術賦能醫護，提升診療效率和能力。

　　“我們在此前就接入了多個大模型來做行政事務輔助，當時是全國第一家使用大模型的醫院。彼時我們就已預判到，大模型未來會全面改善醫療，患者就醫以及醫生診療的每一個場景都值得用大模型重做一遍，因為它提供了全新的交互方式和全面智能化的模式。”李超峰說道。

　　具體到中山大學腫瘤中心AI診療助手的功能，醫渡科技大模型產品負責人張玉杰向中新經緯介紹道，一是在接入數據平臺后，AI診療助手可以實時讀取患者在院全周期診療數據，醫生可以根據診療需要讓AI查詢和總結患者的病史、檢查、用藥記錄，AI診療助手會給出匯總結果、歷史變化趨勢和推理過程。

　　二是在病歷生成場景中，AI可以完成門診復診病歷書寫、出院小結書寫，以及患者病情概覽總結，幫助醫生快速生成病歷內容。這不僅能顯著減輕醫生的病歷書寫負擔，還能通過智能分析和梳理患者歷史就診數據，生成結構化、重點突出的病情概覽，幫助醫生在短時間內全面了解患者病史、治療經過和當前狀況，特別是對于復雜病例或長期治療患者尤為有效。

　　三是通過整合病理報告、影像學特征及臨床數據，模型可生成符合臨床指南的TNM分期評估建議，此外，基于患者數據與臨床指南、系統可以生成診療方案推薦，輔助醫生診斷決策。

　　“我們的AI診療助手可以簡單理解為，是在DeepSeek之上疊加了腫瘤專病數據庫和專科知識，讓它增強了腫瘤專病分析能力。腫瘤是比較復雜的疾病，在腫瘤的診療過程中，需要回顧患者過往所有治療情況，從最初的情況到腫瘤演化過程，還要看影像、檢驗指標、生化指標等。醫生需要在很短的時間內去全面了解患者，存在一定的困難。同時，腫瘤診療需要依據診療規范并嚴格質控。 AI在提升診療效率和規范方面大有可為。”李超峰說道。

　　AI診療助手上線后，醫護人員的接受程度怎么樣？李超峰提到，此前他們進行了全院級別的培訓，在全自愿的情況下，來了五六百人，很多人都站著聽，并且有多個科室主任邀請科室技術人員到進行科室單獨培訓。“醫生們對于新技術的探索是非常深入的，在部署后幾天時間，就有大專家給我發了他的測評報告，研究怎么用好大模型，更加符合他個人的診療需求。”李超峰說道。

　　中山大學腫瘤防治中心胸科副主任醫師羅孔嘉在第一時間就試用了AI診療助手，他告訴中新經緯，他主要負責肺結節病人的診療，AI診療助手雖然上線時間不長，但已經融入他的工作流程中，在談及使用體驗時，他回復中新經緯稱：“太震撼了。”

　　“從我個人的體驗來看，AI診療助手是非常好用的，一方面，它真的可以解放醫生的重復勞動，以前每次看門診的時候，每個患者的接診時間一般在7、8分鐘，但我們要對著電腦填寫病歷，查看患者的診療記錄，這會極大減少我們跟患者的交流時間，現在在AI診療助手的幫助下，我們就可以節省出這一部分時間，多跟患者交流，一個患者至少能多溝通三分鐘時間。”羅孔嘉說道。

　　現在，每位患者在門診就診后，羅孔嘉都會給患者一張由AI診療助手生成、醫生審核完的注意事項，里邊會結合患者個體情況，提供需要在飲食起居、用藥方面的指南。“因為肺結節比較特殊，患者很多是生活作息有問題，我需要給他們提供比較詳細的注意事項，但以前我光說，患者不樂意聽，而且也記不住。現在有了助手，它可以直接生成，而且能補充一些醫生可能會遺漏的信息，比如埃克替尼不能和西柚、紫皮葡萄這些水果一起吃，會影響藥效。現在患者可以直接看我打印出來的文檔，他們也能更好地遵醫囑。”羅孔嘉說道。

　　談及未來的規劃，李超峰告訴中新經緯，他們部署AI診療助手的時間只有三周左右，但在此前，醫院與醫渡科技一起，在2015年左右就開始搭建醫院的大數據平臺，對醫院的診療數據進行數據清洗、歸納，形成數據底座，為AI診療助手的部署搭建好基礎。下一步，他希望能夠進一步對模型進行優化，一方面將AI診療助手更好地融入醫生的工作流，變被動為主動，可以預先幫助醫生整理患者診療信息，另一方面，希望繼續投喂醫院醫生的診療經驗、專家共識等，豐富知識庫，提升大模型的專科能力。

　　AI會否取代醫生？

　　在醫療領域，存在著“不可能三角”的概念，即在醫療體系中，質量(看得好病)、成本(看得起病)和效率(看得上病)這三個關鍵要素難以同時實現。

　　為解決這一問題，早在2015年，多家醫療機構就已開啟對于AI醫療的探索，嘗試使用AI進行影像分析，建設自己的大數據平臺等。

　　在孫穎看來，此前AI醫療的門檻較高，醫院里面獲取數據不夠便捷，合作做AI的人很難對接，是少量人(醫療機構)在做的一些創新，有技術、平臺、數據以及政策門檻。

　　對于能否破解“不可能三角”，孫穎認為，AI的助力能夠縮短醫生繁瑣的工作流程，同時可以提升診療的規范性，如果可以基于大醫院的探索形成腫瘤專科的大模型后向基層醫療推廣，可以提升腫瘤治療整體的規范性。

　　近期，#醫生稱DeepSeek有三甲醫院專家水平#話題也沖上了熱搜，一些網友也在討論，接下來會否出現AI醫生，普通人能否用DeepSeek看病。

　　對于AI在未來會否取代醫生，結合多年來的工作經驗，孫穎持否定意見。“疾病是一個動態的過程，普通人沒有辦法通過DeepSeek來精準地描述自己的癥狀，也沒有辦法了解臨床最新的進展，掌握醫生的個人經驗，患者遇到問題還是要就醫。”孫穎說。

　　孫穎進一步表示，凡是要變成實實在在給病人做治療的，要非常嚴肅謹慎：“在實際醫院應用中，我們要處理好大模型約束和發散的問題，對于DeepSeek推薦診療方案，要讓它數據必須真實，推薦診療方案又要有一定的發散，體現理解能力，建模型就應該是針對不同的場景，有不同的自由度和泛化，因為不同的場景對于生成結果的客觀可靠性的要求不同。”

　　會否面臨合規風險？

　　北京瀛和(廣州)律師事務所高級顧問黃迪告訴中新經緯，DeepSeek這類AI大模型本質上屬于生成式人工智能技術服務產品。它并非專用于醫療領域的傳統意義上的醫療器械，卻在醫療過程中發揮輔助作用，其產生的結果可能影響醫療決策，因此需要從多維度法律規范來界定其使用邊界和責任歸屬。

　　她提示，醫院在應用AI大模型時會面臨多項問題，第一，數據合規問題，醫院對患者信息負有首要保護責任，不能因引入第三方技術而免除自身義務。第二，醫療行為合規問題，AI僅能作為工具輔助。第三，患者知情權問題，患者對接受醫療事項具有知情權。

　　黃迪建議稱，醫院要落實數據分類分級管理，對敏感信息進行去標識化或匿名化處理，并建立數據訪問權限機制。與AI模型工具或服務提供方簽署數據安全協議，在接入使用前充分評估提供方的數據安全保障能力水平，并在協議中約定數據保護責任。同時，在開展相關診療活動前，在知情同意書中明確告知患者在哪些環節有AI參與診療，使用范圍、目的及其可能存在的局限性和風險。

　　就醫院數據安全與患者隱私保護問題，李超峰告訴中新經緯，醫院進行了多種方式保護，一方面，他們進行了AI診療助手的私有化部署，保證數據不出院，數據在受控范圍內，也做了相關的安全防范的措施；另一方面，在調用患者信息的時候，也會把患者的敏感信息去掉。

　　北京君都(上海)律師事務所生命科學與健康醫療法律部主任張文波提到，醫院在使用AI大模型時，要確保AI大模型僅作為輔助工具，醫生需對最終診斷和治療方案負責。例如，在病歷生成后，醫生需人工審核；在影像分析中，AI建議需經醫生復核。此外，在高風險環節(如腫瘤TNM分期)，需結合多學科會診；在低風險場景(如常規隨訪)可適當依賴AI提升效率。

　　(更多報道線索，請聯系本文作者王玉玲：wangyuling@chinanews.com.cn)(中新經緯APP)

　　(文中觀點僅供參考，不構成投資建議，投資有風險，入市需謹慎。)

　　中新經緯版權所有，未經書面授權，任何單位及個人不得轉載、摘編或以其他方式使用。

責任編輯：羅琨 李中元