浙江大学DeepSeek系列专题线上公开课（第二季）

姚畅浙江大学软件学院浙江大学计算机创新技术研究院2025.03.31杭州 什么是DeepSeek？ 01 CONTENTE 如何破局智慧医疗？ 02 应用案例 03 人工智能技术演进 DeepSeek发展轨迹 “系统1”和“系统2” 这个患者患有什么疾病？ 识别图片里的动物是什么？ 哪个更难？ 计算下面的结果：2678*5974=？ 系统一：自动化的运作，非常快、不费力气，即使要费力，也很少，它不受自主控制。 系统二：动用到注意力去做费力的心智活动，包括复杂的计算。 人类的思维模式可以分为两种：快速、直觉的“系统1”和缓慢、深思的“系统2”前者擅长快速决策，但容易受到认知偏差的影响；后者则通过逻辑推理做出更准确的判断 DeepSeek推动深层次推理 大语言模型（LLM）的发展始于2018年的预训练Transformer模型，如BERT和GPT。这些模型通过大规模文本数据的无监督预训练，展示了强大的语言理解和生成能力。GPT-4、LLaMA和LLaVA等模型在推理、上下文理解和多模态推理方面取得了显著进展。 尽管基础型LLMs在文本生成、语言翻译等任务中表现出色，但它们主要依赖“系统1”式的快速决策，缺乏“系统2”式的深度推理能力。 随着DeepSeekR1等推理型LLMs的出现，这一局面正在发生改变。 [1]LiZZ,ZhangD,ZhangML,etal.Fromsystem1tosystem2:Asurveyofreasoninglargelanguagemodels[J].arXivpreprintarXiv:2502.17419,2025. DeepSeek领跑开源大模型技术与生态 这个“2.5亿”和DeepSeek的爆发意味着什么？ DeepSeek成为搅动行业的催化剂 DeepSeek医疗多场景应用分析 什么是DeepSeek？ 01 CONTENTE 如何破局智慧医疗？ 02 应用案例 03 医疗业务场景的3类不同角色 医院管理者 智慧医疗建设的政策支撑 国家卫健委圈定的智慧医院的定义和范围主要包括三大领域：面向医务业务的“智慧医疗”、面向患者服务的“智慧服务”、面向医院管理的“智慧管理”。医院目前发展正处于从“数字化、信息化”转向“智慧化”的关键节点，未来智慧医院的建设将有助于提升医疗服务质量和医疗效益，改善就医体验，优化区域资源配置。 智慧医疗分级评价即将到来 整体信息化水平上升：级别设置为1-8级，不在保留0级 新标准对区域协同提出了要求 新标准对闭环管理进一步完善，对22个闭环场景进行了明确的要求 新标准增加了中医、中药的要求，增加32项评价内容 新标准增加“人工智能”要求 国家卫生健康委医院管理研究所于2024年5月28日在北京市召开主题为“融智慧、强质量、助发展”的智慧医院助力公立医院高质量发展学术交流大会。 新标准增加“医体融合”及“临床营养”要求 新标准增加了“国产化替代”要求 新标准增加“易用性”要求 AI+HIT 如何将医学人工智能与医疗信息化深度融合，进而构建下一代的医疗信息系统？ 医院信息化升级 对标“三位一体”的智慧医院评价体系、互联互通测评要求，进行医院信息化全面升级改造，以达到互联互通、智慧医院的目标。 医院信息集成平台建设期基于EMR，采用SOA架构、ESB技术，以实现医院业务系统和数据的初步集成和整合为目标。 AI驱动，医疗智能化 业务系统建设完善期HIS，LIS，PACS、HRP、EMR、CIS… 在医疗行业场景中全面深入利用人工智能、云计算、大数据、物联网等最新IT技术，对传统的临床服务、患者服务、医疗科研、运营管理等场景进行赋能，提升医疗行业智能化水平，以AI驱动业务变革，催生新的医疗模式。医疗卫生信息化时代（HealthcareInformationTechnology，HIT)正走向医疗智能化时代（HealthcareIntelligencetechnology,HIT+)。 卫生健康行业人工智能应用场景指引 2024年11月14日，国家卫生健康委、国家中医药局、国家疾控局联合发布《卫生健康行业人工智能应用场景参考指引》，旨在推动“人工智能+”在医疗领域的创新应用。 人工智能+ 通过AI优化诊疗流程（如智能分诊、电子病历分析），提升诊断精准度与效率，实现医疗资源合理配置，改善患者就医体验并降低管理成本。 依托AI加强传染病预警、慢性病跟踪及健康宣教，辅助基层机构高效执行疫苗接种、健康档案管理等任务，提升公共卫生服务覆盖面。 基层公卫服务 AI驱动智能穿戴设备、远程诊疗平台等技术应用，加速个性化健康产品研发，推动医药研发创新与健康管理服务模式升级。 利用虚拟仿真训练、医学数据挖掘等技术，提升临床教学沉浸感，辅助科研人员快速解析复杂生物信息，缩短研究成果转化周期。 医学教学科研 《指引》给出“卫生健康行业人工智能应用场景参考指引全景图”，分为“人工智能+医疗服务管理”“人工智能+基层公卫服务”“人工智能+健康产业发展”“人工智能+医学教学科研”四个大类，并进一步细分为13个小类，共计84个应用场景。 问题1:医院具备AI应用的基础设施吗？ 医学大模型落地的关键要素 挑战1:如何构建医院AI基础设施和应用范式 从医疗信息化到医疗智能化 医院AI生态系统架构 智能决策系统丨云大脑 AI辅助诊断、治疗方案规划 机器学习、统计分析、大数据聚合、Chatgpt 感知与数据采集基础设施全感知 云基础设施 智能产业硬件基础 问题2:医院是不是已经进入了人工智能时代？ 现有医疗场景的大模型赋能 大模型融合现有信息和数据系统，实现静态的知识和信息动态化，降低用户进行系统交互时的门槛，提高系统的智能化水平。 人工智能在医院场景落地的挑战 多少AI应用或工具是临床医生在实际工作中真实需要的？ 无法获取有效数据的时候，评价AI模型的诊疗能力有意义吗？ 没有私有化环境下的AI基础设施，医院如何拥抱人工智能技术？ 挑战2:如何理解和利用医疗数据？ 数据、信息、知识与智慧 国际标准化组织（ISO）将数据定义为“对事实、概念或指令的一种特殊表达形式，它可以用人工或自动化装置进行通信、翻译或处理”。数据是客观事物的表示或映射，反映客观事物状态和状态的变化，一般通过仪器或设备自动感应（如传感器等）或人体感官主动感知，以数字或文本、音频、图像、视频等形态呈现。数据是最原始的记录,通常未被加工解释,没有其他意义。[1] 医疗场景下数据来源多样，去物质化过程中数据表达越客观，价值密度越高，以此为基础的模型构建和应用场景越实用。 电子病历数据？随访数据？医学影像数据？检验数据？基因组学数据？ [1]《智能互联时代的管理信息系统》，吴俊、郭佳航、程垚编著 数据、信息、知识与智慧 国际标准化组织（ISO）将信息定义为“对人有用、能够影响人们行为的数据”，在中国的GB5271.1-85标准的“01.01.02信息”款下，信息被定义为“人们根据表示数据所用协定而赋予数据的意义”。 信息的主要特征：传载性、共享性、可处理性、时效性（只有既准确又及时的信息才有价值） 医院信息系统(HospitalInformationSystem，HIS)，是指利用计算机软硬件技术、网络通信技术等现代化手段，对医院及其所属各部门的人流、物流、财流进行综合管理，对在医疗活动各阶段产生的数据进行采集、储存、处理、提取、传输、汇总、加工生成各种信息，从而为医院的整体运行提供全面的、自动化的管理及各种服务的信息系统[1]。 数据、信息、知识与智慧 知识是指人类迄今为止通过思考、研究和实践所获得的对世界（包括物质世界和精神世界）认识的总和。在中国GB/T23703.2-2010中的定义：知识是通过学习、实践或探索所获得的认识、判断或技能。 •显性知识指的是可以被编码和转化为系统的正式语言，如：文件，数据库，网络，电子邮件，图表等。一般而言，人类的知识大多以显性知识的形态传承下来。 •隐性知识指的是个性化的，有具体目的，无法记录也无法表达的知识，如群体的潜规则等。隐性知识的交流、共享与情境密切相关.隐性知识的共享实质上是一个知识创造的过程,只有亲临现场、共同在场、互动沟通,才能有效地传递与分享隐性知识,并基于此创造新知识。 数据、信息、知识与智慧 智慧是在知识的基础上总结原理和法则，来解决难以解决的问题，是一种运筹能力。智慧的核心是如何利用数据、信息和知识解决实际问题。 启真可计算医学知识库建设 已累计整理文献上百万份、梳理结构化医学术语、实体、关系超过千万条，建立百余种疾病临床决策路径。已有肝胆外科、内分泌科、精神科、病理科、心血管科、生殖科、血管外科、护理等10余个学科完成知识库数据入库 问题3:大模型在医疗场景需要具备什么能力？ AI看病靠谱吗？ 人类的知识体系、经验与技能 医学仪器和检测技术的快速发展，为人类决策提供了大量客观、准确的数据（如：检验、影像、基因等） •AI的输入数据能不能真实反映你的实际情况？•解决你的问题是不是仅仅依靠显性知识？•你是需要他回答问题，还是解决问题？•风险和伦理问题？ 大语言模型的能力探索：大模型≠聊天机器人 现在，大模型在训练和学习的过程中，虽然没有任何逻辑推理任务上的训练，但当模型参数到达一定级别之后（一般认为是10B，即100亿参数），就会出现了这种开始没有预料到的逻辑推理能力。 医疗大模型需要懂专业、懂场景 挑战3:如何构建医疗领域大模型？ 大模型赋能产业场景的两种技术路径 基于单一的通用大模型构建超级智能体，完成几乎全部的软件功能 构建具有领域知识、理解领域数据的领域大模型，大幅提升行业用户解决专业问题的效率 医疗场景专业性强、数据隐私要求高、数据分散，医院AI基础设施刚刚起步，因此构建并应用医学领域大模型是当前的主流选择。 大模型赋能产业场景工作流 n针对产业场景“专业化、精准化、私有化”的大模型应用需求，研制领域大模型构建部署工具链，支撑领域专家主导构建领域大模型 医学领域大模型构建 医疗领域大模型=通用大模型+权威医学知识+临床数据 医学领域大模型场景化人机协同方式 一、Embedded（嵌入型）：单一场景的隐形助手二、Copilot（协同型）：单一系统内的多场景协作三、Agent（智能体）：跨系统与场景的自主决策四、Society（社会型）：多智能体的生态协同 大模型技术在医疗场景应用的挑战 AI幻觉 深度推理能力 GPT缺乏深度推理能力，例如无法对复杂的临床病例进行深度、专业的分析。 生成式模型，即通过所给指令生成下文，因此生成的答案可能虽然看起来非常可信可靠，但可能是错误的，有误导性的。 数据安全及伦理 实时性和有效性 因为缺乏和结构化数据的有效对接会出现数据缺失和实时性错误。 数据隐私保护、医学伦理等 资源耗费大（算力） 领域深度 常识知识方面非常强大，但对领域内专业知识处理仍存在问题。 需要大量语料数据训练模型推理时仍然需要大算力的服务器支持 什么是DeepSeek？ 01 CONTENTE 如何破局智慧医疗？ 02 03 应用案例——MedCopilot医生助手 通过整合先进的人工智能技术、丰富的医学知识和临床数据，MedCopilot将成为医疗行业的新质生产力，助力大模型技术在医疗行业的落地和应用实践。 应用案例——关键患者精准管理 AI关键患者精准管理系统APTS,AIForPatientPrecisionTrackingSystem 患者之困：诊疗迷茫与流失之忧 AI破局：开启精准追踪新时代 某三甲医院成效 118例肝胆外科找出关键患者 n基于启真医学知识库的启真医学大模型，从每日数万份报告中，迅速读取、分析当天所有患者病历及其检验检查结果，精准识别出需要跟踪、重点关注的患者