腾讯大模型助力就医流程新升级—智慧医院+基层

医疗健康事业部医疗产品商业化负责人李慧 小模型AI使用痛点：不够智能、泛化性差、缺乏解释性 有限的语义理解能力 小模型可能无法理解复杂或上下文相关的问题，导致回答不准确或不完整。它可能会在处理复杂的语义结构或多重问题时出现困难。 新领域问题的适应性差 小模型可能对于新领域或新问题的适应性较差。如果它没有在相关领域进行充分的训练，它可能无法提供准确的答案或适当的建议。 缺乏解释性 由于小模型通常是基于大规模预训练模型进行精简而来，其内部结构和参数可能较为复杂，难以直接解释其决策过程。 从“量变”到“质变”，AI进入“大模型”时代 腾讯医疗大模型，为健康而生的大模型 引入基于反馈强化的奖励机制，让模型回复更专业，同时考虑患者关怀，更像医生 •通过医生对模型结果进行打分和排序，训练奖励模型•基于奖励模型，使用强化学习算法，优化模型 根据多种医学任务数据，对基座模型进行微调 在预训练模型的基础上，引入下游业务进行多任务微调，提升模型落地效果任务：医患对话生成，导诊、预问诊、辅诊、智能问答、合理用药等 医学领域持续进行预训练，使模型进一步掌握医学知识 •使用大量高质量医学文献，包括腾医典、教科书、病历、论文等•加入大规模医学知识图谱的内容，覆盖98% ICD中疾病的知识 预训练模型，使模型掌握底层医学知识 训练多种规模的生成式大语言基础模型，适用不同场景语言模型建模过程中，包含各种主题，类型，语言，渠道的数据，为适配下游任务打下基础 医疗大模型，助力医疗健康全流程新升级 智慧医院助力智慧医院降本增效、精细化管理 实践案例1：体检助手，检前智能加项&客服，为医院创收提效 AI自动评估患者的疾病风险推荐加项包 体检智能问答助手，辅助推荐体检套餐 实践案例1：检中提效，检后召回，检前-检中-检后AI全赋能 检后-报告解读&全周期管理 检中-智能总检 检后全周期管理 报告解读示意图 •检后人群智能随访管理方案升级，从血糖管理切入，与中华医学会合作推广中•打造体检版方案，针对体检疾病建立10+管理计划 南宁市一试点中，提供h5能力，被集成到医院小程序 实践案例2：智能问答，7x24h为患者答疑解惑，缓解客服压力上海瑞金医院 中标医疗大模型项目，患者服务重点打造大模型智能问答 ✓上海市级医院“便捷就医服务”数字化转型2.0智能云客服场景试点医院 Q：预约违约后如何处理？A： 打通医院知识库，更智能回答和多轮对话11 降低医院/平台知识库构建成本 智能解答疾病、药品相关的问题 医疗大模型赋能升级 实践案例3：智能导诊，为患者精准推荐挂号科室 华中科技大学协和医院 大模型导诊升级服务体验，高效问诊，精准导诊 实践案例4：智能预问诊，帮患者提前梳理病情，提高就诊效率 深圳市人民医院 患者有更多的问诊时间，帮助医生提供更精准的诊断和治疗方案 深度问诊诉求强，对问诊专业性、适配性要求高 弥补医院知识库有限的问题，能够智能理解患者意图并做相应的回复13 无须预设问卷模板，依据诊疗思维自生成问诊问题 医疗大模型赋能升级 实践案例4：根据医患对话，自动生成病历小结 利用大模型根据医患对话生成病历小结 应用场景：在线问诊 输入:依据病人自述和医患对话，输出具有规定格式的医疗报告。 •【自述】宝宝九个月了，嗓子有痰咳不出，很少咳嗽，怎么办【对话】…医生：有没有发热患者：没有…医生：用过什么药物患者：给喝过小儿咳喘灵，阿莫西林颗粒 试点医院：头部私立医疗机构 专业医生评分8.3/10分 输出：根据问诊问卷及患者回答生成患者基本情况 自动解析医患上下文对话集信息抽取、归纳、生成于一体符合病历书写规范 主诉：有痰鸣音两天现病史：患儿两天前咳嗽服药好转后，出现痰鸣音，口服小儿咳喘灵，阿莫西林颗粒治疗，症状改善不明显辅助检查：听诊既往史：暂无诊断：小儿支气管炎建议：完善胸片，对症治疗 实践案例5：AI临床助手，辅助医院智慧建设能力升级 华中科技大学协和深圳医院 实践案例6：用药助手，用药问题智能解答，医嘱信息智能推送 广西一附院 ✓对话式机器人，采用文本智能生成技术，多维度解答常见用药问题 ✓患者离院后，提供处方信息电子化查看、用法用量口语化解读、相关注意事项及服药提醒 用药提醒 解析患者的处方信息，智能生成用药计划按计划提醒用药 实践案例7：患者全周期管理，大模型助力“惠”患者，“智”医生 公共卫生/健康管理 助力家医提高签约率、履约率 实践案例8：家医助手支持家医扩大服务半径，提升服务效率 实践案例8：家医助手支持家医-居民高效沟通 医护端 AI生成个性化回复 20•腾讯医疗大模型，海量、优质医疗训练数据、医学知识图谱，•医生视角回复更专业•切换家庭用户，改变患者标签可提供更符合患者情况的回答•一键复制到聊天框，自主编辑，快速回复 实践案例8：家医助手支持随访记录自动生成 医护端 AI助力记录生成 记录自动生成 •利用意图实体引擎进行信息抽取•结构化随访记录生成 生成个性化健康教育材料 •结合患者标签，生成内容更适合患者病情•海量医学知识数据，健康建议全面（包含饮食、运动、监测体征、用药、并发症预防、自我管理、随访等全方位健康宣教内容） 数据治理AI引擎 助力医疗数据互联互通，支撑医疗大模型底层能力 实践案例9：术语标准化工具套件，缩短数据治理流程系列API 宝安区域卫健平台 •屏蔽人为配置错误——80%以上的数据质量问题原因在此•医学术语标准化——降低医学专业门槛，形成多角色配合 •插件式平台——不存数据、极简产品对接•独立API——技术领先，功能单一，即买即用 实践案例9：数据标准平台，实现跨库表的快速融合 数据标准扫描 字典自动映射 •通过自动分析表、字段的英文名、中文注释含义自动查找构成歧义的命名方式•降低错误发生概率、返工成本和沟通成本•案例：深疾控，宝安区卫健数据平台项目，在与深圳市平台对接数据中辅助排查问题 •通过自动分析每套字典、每个值的语义含义，对每套字典都逐行推理出在另一套数据标准里的匹配结果 •准确率95%以上，节约大量人工阅读对比时间 •案例：远东宏信，30家医院开展贯标工作 实践案例9：诊断、药品对码，实现医学术语的自动标准化 诊断标准化 药品标准化 •针对自由书写的临床诊断、或者疾病搜索词，自动匹配映射到最接近的《国标ICD10诊断词和标准编码》•效果远超同类竞品，准确率达95%以上 •综合理解信息自动匹配映射到最接近的药品标准SPU•帮助医疗机构、药店快速建立标准数据库、提升数据质量、在标品管理环节节约90%的人工投入 感谢聆听 欢迎交流、垂询！