医疗健康大模型白皮书（1.0版）

(1.0版) 主编单位 浙江大学医学院附属第四医院 参编单位 (排名不分先后) 浙江省卫生信息学会浙江大学国际健康医学研究院浙江大学“一带一路"国际医学院浙江大学计算机创新技术研究院中国移动通信集团浙江有限公司浙江网新健康科技有限公司虎博网络技术（上海）有限公司北京嘉和美康信息技术有限公司 主编 王凯吴李鸣周庆利 参编人员 (按姓氏笔画排序) 丁源毛晓敏王楠叶进明叶寄星叶鸿辉朱晨曦朱新建朱世杰刘姗娜杰陈烨陈阳李松平李莹莹李畅何剑虎沈玉强张健张华芳张永明吴思静吴青可吴世财周敏孟振郑恺赵永根相鹏姚畅费科锋唐杰盛童基均傅晶晶楼笑笑 序言 在当今的医疗健康领域，人工智能技术的飞速进步和数据的迅猛增长正促使医疗服务模式产生深刻变革。医疗健康大模型，凭借其强大的数据处理能力和智能算法，正在重塑医疗健康行业的各个方面，如疾病预测、个性化治疗及健康管理等。与此同时，浙江省作为创新驱动的前沿省份，率先致力于未来医院的建设探索，在医院建设发展过程中，秉持“人民健康为中心“的理念，通过引入先进技术和优化服务模式，力求在提升医疗服务质量和效率方面取得突破，以满足新时期人民大众对医疗健康服务更高质量、更多元化的期待。 本白皮书通过综合医疗健康大模型的前沿进展，不仅探讨了医疗健康大模型的发展趋势、应用场景和支撑保障，还详细介绍了浙江省在未来医院建设中所采用的先进策略和实施方案。这些内容不仅为医疗健康领域的研究者、从业者和政策制定者提供宝贵的洞见，也为推动医疗行业进一步发展提供实用的参考和指导。 我们相信，通过不断的技术创新和政策支持，医疗健康大模型与浙江省未来医院的建设将共同推进医疗服务的智能化与高效化，开创更加璀璨的健康管理新时代。 编委会2024年12月12日 目录Contents 第一章未来已来，拥抱医疗健康大模型发展态势EL14 （一）趋势牵引：智能驱动医学创新发展（二）需求推动：医智融合应用全面深化（三）创新探索：医疗健康大模型潜力初显//////////////////////////////////////// 第二章高性能算力，打造医疗健康大模型基础平台（一）超快速度的算力资源12 (二）海量吞吐的存储资源（三）畅通无阻的网络资源(四）自主可控的国产信创 第三章高质量算料，构建医疗健康大模型数据中心15（一）生物信息数据中心17（）医学影像数据中心17 （三）组织病理数据中心17（四）临床信息数据中心/1////////////////1/////////////1/////1//////////////18（五）医学数据治理模式//////////////////////////////////////////////////////18 高精尖算法，建立医疗健康大模型框架20（—）自然语言大模型21（二）计算机视觉大模型22 （三）多模态融合大模型22（四）强化学习大模型23（五）图神经网络大模型23E26：2627 第五章跨界融合，探索医疗健康大模型多场景应用24（一）智能导医导诊26T27 (二）病历文书质控（三）智能影像分析26(四）智能搜索问答（五）辅助诊疗决策（六）智能医学宣教（七）智能药物研发T27智能手术辅助27九）智能健康管理28（十）智慧医院管理 第六章安全与标准，确保医疗健康大模型稳健发展29 （一）遵循严谨规范的安全体系1/////////////////////////////////////////////////30（二）立足开放包容的标准体系////////////////////////////////////////////////30（三）推动创新融合的发展体系//////////么31 前言 在人类社会持续发展和文明不断进步的宏伟征程中，科技的进步如同澎湃的浪潮，不断推动着我们迈向更加光明的未来。在这个创新与变革交相辉映的时代，医疗健康领域正迎来一场由人工智能引领的深刻变革。 随着大数据的积累、计算能力的提升及算法技术的不断精进，医疗健康大模型应运而生，它融合了深度学习、知识图谱、自然语言处理等前沿技术，为医疗行业带来了前所未有的发展机遇。在人工智能的浩瀚星河中，医疗健康大模型犹如一颗璀璨的新星，以其独特的光芒，指引着医疗领域朝着更加智能化、精准化、个性化的方向发展。随着科技与医疗的深度融合，医疗健康大模型不仅有望成为医疗健康领域的重要工具，更将成为推动新药研发、激励医疗器械创新、提升医疗服务智能化水平的关键力量。它凭借其卓越的数据处理能力和深刻的知识挖掘能力，持续展现科技服务人类健康的巨大潜力，并架起连接科技与生命的桥梁，为医生提供精准决策支持，为患者带来定制化治疗方案，为医疗机构提高服务效能。 展望未来，医疗健康大模型的实际应用和价值实现将是其发展的关键所在。医疗健康大模型的发展，不仅将推动医疗行业向数字化转型迈进，更将助力实现“健康中国2030"的宏伟蓝图，为全球医疗健康事业贡献源自中国的智慧与力量。 作为医疗服务体系的主体，医院既是承接医疗健康大模型创新应用落地的试验由，也是推动医疗健康大模型创新应用的主力军。人工智能技术应用方兴未艾，探讨医疗健康大模型的建设与发展，必然是“未来医院”建设征程中的热门话题。 在浙江大学医学院附属第四医院建院十周年之际，我们立足医院高质量发展视角，聚焦医疗健康大模型主题，梳理凝练现状、描绘展望未来，旨在同广大读者共话“大模型”，写“未来医院"建设新篇章。 Chapter i第一章 未来已来拥抱医疗健康大模型发展态势 1第一章1 未来已来，拥抱医疗健康大模型发展态势 （一）趋势牵引：智能驱动医学创新发展/ 科技创新是发展新质生产力的核心要素。医疗健康领域的科技创新是提升医疗服务供给能力与质量的关键动力来源，通过不断研发新技术、新疗法和新药物，科学优化医疗资源配置，提高医疗服务的公平性和可及性，创造惠及人群更广泛的高质量医疗服务，为建设健康中国提供有力支撑。近年来，我国人工智能医疗应用百花齐放，人工智能医疗成为医疗健康领域创新发展的重要驱动力之一。人工智能融合应用正引领医疗行业不断创新发展，开启智慧医疗新篇章。在临床诊疗方面，人工智能通过快速分析海量医学影像资料识别激小病灶，预测疾病风险助力精准疾病筛查；通过综合分析患者遗传信息、生活习惯及病情发展，提供个性化治疗建议。在健康管理方面，人工智能技术与远程医疗、可穿戴设备及VR技术深度融合，为患者带来便捷、个性化健康管理。在医学研究与发现方面，“AlforScience"推动人工智能全面融入科学、技术和工程研究，促进知识自动化及科研过程智能化。机器涌现智能成为科研组成部分，科研向更加依靠以大模型为特征的大平台模式转变[1]。 （二）需求推动：医智融合应用全面深化1/////////////////////////////////)） 医院是医疗健康人工智能应用落地的重要载体，随着智慧化发展深入，医院对医疗健康人工智能应用也提出更高的期待。高质量发展新阶段，医院积极探索发展三位一体"的智慧医院。智慧医疗从基础辅助诊疗向全面精准诊疗深化，智慧服务从基础辅助导诊向全面个性化服务转变，智慧管理从基础辅助决策分析向全面数智化精细化运营转变。医院期待智慧医疗能够拥有强大的数据处理与分析能力，以高效整合海量医疗数据，支持疾病诊断、治疗方案设计等多个环节的精准医疗决策；智慧服务能够支持复杂场景的决策优化，为用户提供更加使捷、高效、智能的服务体验，提升服务效率与质量；智慧管理能够实现对海量管理数据的高效处理与学习，支持复杂决策场景的模拟与优化，能自动识别管理过程中的细微差异，实现精准决策，优化医疗资源配置，提升医疗服务效率与质量。 （三）创新探索：医疗健康大模型潜力初显///////////////////////////////// 大模型作为人工智能领域的重要突破，以其强大的数据处理和学习能力、卓越的泛化能力，为满足复杂业务实际需求的医智融合应用全面深化提供了史好的实现方案。大模型的目标是在涵盖各种数据分布和学习任务的大规模（多模态）数据集上学习一个通用的基础模型。这使得不同智能任务之间，甚至不同数据模式 之间的界限被打破，与原有的智能模式相比，大模型能够改进现有能力如更高的诊断准确性，并产生新的能力如解决多功能医疗任务[2]。随着通用智能和更多未知能力的激活，大模型将改变医疗创新应用产生与应用模式，推进医疗健康领域智慧化转型和发展进入到一个薪新阶段，人与人工智能的合作将变得无处不在。 在新趋势、新需求、新模式引领下，“未来医院"智能化发展路径将面临重大革新，医疗健康大模型作为这场变革的核心力量，正在擎画“未来医院"的全新蓝图。“未来医院”该如何布局医疗健康大模型？我们尝试从基础平台构建、大数据中心建设、模型框架选择以及应用场景四个层次，全面剖析医疗健康大模型发展的全貌，为医院推进大模型建设提供参考。 本白皮节构建的医疗健康大模型应用整体结构包括：1个基础平台、3类服务对象、4大数据中心、5个高精尖算法模型和N个跨界融合应用。1个基础平台，即高性能超算中心，它是支撑医疗健康大模型运行的基石。在这个算力平台的基础上、构建4大数据中心一一生物信息数据中心、医学影像数据中心、组织病理数据中心和临床信息数据中心，为医疗健康大模型提供更丰富、高质量的数据支撑。通过打造5个高精尖算法模型，包括自然语言大模型、计算机视觉大模型、多模态融合大模型等，为医疗健康大模型的智能分析提供强大的算法保障。进一步地，我们探索了N个跨界融合的应用场景，从智能化导医导诊到智能影像分析。医疗健康大模型的应用正日益丰富、为医护、患者、管理者3类服务对象带来了前所末有的便捷。医疗健康大模型1+3+4+5+N"应用体系架构如图1所示。 Chapter ll第二章 高性能算力打造医疗健康大模型基础平台 |第二章 高性能算力，打造医疗健康大模型基础平台 算力是人工智能发展三要素之一，随着医疗大模型的发展，计算资源的需求不断增加。高性能计算基础设施是支持大规模数据处理和复杂模型训练的关键。但是，当前很多医院和医疗机构缺乏足够的高性能计算资源，难以满足大模型对算力的需求。同时，医疗数据的多样性和复杂性要求模型具备更强的计算能力和更快的处理速度，这对现有的基础设施提出了更高的要求。因此，如何建立和优化高性能计算环境，以支持医院医疗大模型的开发和应用，是一个亟待解决的问题。对此，医院应以构建与医疗健康大模型发展进程相适配的高性能超算中心，重点国绕超快速度的算力资源、海量吞吐的存储资源、畅通无阻的网络资源和自主可控的国产信创四大方面，持续打造医疗健康大模型基础平台，如图2所示。 （一）超快速度的算力资源 超快速度的算力资源主要指的是那些具备极高计算速度和强大处理能力的计算资源。这些资源通常集成了大量高性能的计算单元，如高性能处理器（CPU）、形处理器（GPU）、现场可缩程逻辑门阵列（FPGA）、专用集成电路（ASIC）等，以及先进的云计算和分布式计算系统。它们能够执行复杂的计算任务，并在极短的时间内完成大量数据的处理和分析，是支撑大模型高效运行和训练的基础保障。 为了满足医院日常和关键业务需求，通用计算应提供高性能、国产化的服务器，支持弹性云服务和裸金属服务，并支持主流A框架，实现中心训练和边源推理。服务器选型需遵循国产化技术路线，确保供应链稳定，并配备丰富的软件生态，以满足日常主流业务需要。服务器性能应不低于业界主流CPU处理器水平，提供双路、四路高性能处理器，以满足关键业务需求。同时，计算资源池应支持服务器池化，构建大规模计算资源池，为影像质控等业务提供灵活、高可用的云计算资源池。用户可即时获取弹性云服务器、裸金属服务器、镜像及弹性伸缩等计算相关资源，并支持按需扩展或缩减资源，实现高效动态管理。 大模型的计算需根据业务需求进行算力系统化设计和弹性扩展，通过AI算力集群、训练服务器等方式满足不同层级模型的训练和推理需求。对于中心型大模型，应建立AI算力