AI智能体在医疗领域中的应用

预问诊系统 1.1 中国院内市场AIAgent框架应用流程 数据输入 技术支撑 应用场景 医疗数据输入 分诊与导诊系统 中国院内市场AIAgent框架通过整合多源异构医疗数据，基于大语言模型（LLMs）等模块处理，赋能辅助诊断、诊疗流程优化及医院管理等场景。 Agent框架处理 医疗机构 CT、MRI、超声等检查、 心率、血糖等监测 医学影像、可穿戴 设备检测数据 （多模态数据） 语音交互与数据整合 （多模态融合技术） 大语言模型（LLMs） 电子病历、实验室 检验结果 （结构化数据） 深度强化学习（DRL） 自然语言处理 （NLP） 基层医院部署AIAgent 临床决策支持 影像辅助诊断 诊疗记录文本、临床指南 （非结构化数据） 云计算基础设施、本地化部署方案 （算力与平台） 1.2 AIAgent助力医疗服务智能化重构，促进医疗资源合理流动 人工智能作为技术突破点，解决医疗领域痛点三大途径 线上咨询 智能导诊预问诊 影像辅助诊断多模态辅助诊断 智能化病历质控行政流程电子化医保自动化审核 2、从“被动响应”到“主动思考”：AI代替助理职责，主动执行任务 优质全科医生资源短缺 人工医疗误诊率约50% 医生培养周期长 慢性病和亚健康 非结构数据难处理 医学理论日新月异 AI+医院业务 1、从“连接”到“智能”：医疗服务智能化，支持自主思考和复杂推理 “AIAgent+医疗”以大语言模型（LLMs）、多模态AI和强化学习为核心，支持智能决策与自主任务执行； 除了在线挂号、远程问诊、电子病历共享等功能，“AIAgent+医疗”聚焦“智能”功能，涵盖个性化诊疗方案生成、自动化病历质控、多模态辅助诊断； “AIAgent+医疗”融合结构化与非结构化数据（医学文献、影像、语音），支持复杂推理； “AIAgent+医疗”以“自主代理”为主，能够解决医疗服务质量问题，减少误诊率、提升诊疗效率。 诊断结果 筛选、分析数据 临床决策支持系统 治疗方案 3、从“医疗资源均衡”到“医疗服务质量”：减少误诊率、提升诊疗效率 互联网+医疗： 解决医疗资源可 及性问题 基层医疗机构 大医院 AIAgent+医疗： 解决医疗服务质 量问题 技术突破驱动业务升级 1.3AIAgent+医疗行业产业链图谱 社区医疗服务中心 ToC端患者 在线问诊 健康管理 下游服务层 中游应用层 ToB端医疗机构 诊前阶段医院管理 医学影像诊断临床决策支持CDSS 算力集群 云计算平台 大模型与智能体平台 开发工具与框架 医疗数据源 科学文献 医院电子病历 临床指南 影像数据 （I） 如CT/MR 数字化医学文献 可穿戴设备监测数据 结构化知识库 上游支撑层 基础设施算法框架数据资源 1.4 AIAgent框架在医疗领域的成熟应用技术时间表 成熟应用 接近成熟 初级尝试 技术成熟度： 领域类型 ~2017 2020 2022 2023-2025E 2030E 影像辅助诊断 诊 中 2015至2017年，计算机图像识别准确率显著提升，为医学影像人工智能的发展提供了契机 2020年，人工智能医学影像产品在多个领域通过国家药监局的审评审批，深度学习等人工智能技术在临床得以应用和验证 大模型和AIAgent赋能，多模态AI（如CT+病理切片）实现跨模态诊断，还能充当“智能主检医生”的角色，进一步提升主检报告的质量 CDSS疾病覆盖率及基层医疗机 临床决策支持 2019年AI+核心医疗软件服务 整体市场规模达到21亿元，其 最典型的人工智能医疗应用之一。构渗透率不断上升，更加完整和 2020年之前，中国CDSS市场有 基本覆盖常见病种，多智能体协 作系统在复杂病例中实现跨科室 中CDSS占比最多，达到55.2% 超过30家主要活跃参与者 准确的医疗数据是提高人工智能 模型质量的关键 协同决策 基于规则引擎和简单自然语言处 大模型驱动的多模态交互分诊系 多智能体协同分诊，覆盖90% 分诊与导诊系统 理（NLP）的分诊系统初步应用，统普及，结合语音、文本和影像 医疗机构，基层医院渗透率超 诊前 预问诊系统 基层医院部署 AI智能体 主要依赖结构化数据输入 基于电子病历模板的自动化问诊工具，依赖人工输入，并需要人工审核 电子病历系统初步智能化、行政与流程管理 数据 LLM驱动的结构化病历生成，支持多模态数据整合 基层医院通过在本地部署DeepSeek实现医保规则自动化审核，实现行政流程电子化 50% AI主导全流程预问诊，结合可穿戴设备实时数据 AI全面接管病历质控、排班系统、智能物资管理等非核心医疗流程 1.52017-2024年中国AI+医疗典型政策分析 2017-2024年中国AI+医疗政策体系逐步完善，从早期推动“互联网+医疗健康”和医学影像标准化（2018年国务院文件），到2024年《卫生健康行业人工智能应用场景参考指引》细化84个场景应用，覆盖诊疗全流程，强化基层医疗能力建设与数据互通共享。 2017 2017年，国务院 《新一代人工智能发展规划》 智能医疗，推广人工智能治疗新模式新手段，探索人机协同智能诊体系的建设； 智能健康和养老，加强群体智能健康建设，突破大数据、物联网等关键技术; 完善支持人工智能发展的重点政策，完善透应人工智能医疗、保险的政策体系 2019 2019年，国家卫生健康委 《医院智慧服务分级评估标准体系》 鼓励医院采用人工智能技术提升服务质量； 建立完善医院智慧服务现状评估和持续改进体系，评估医院开展的智慧服务水平； 引导医院沿着功能实用、信息共享、服务智能的方向，建设完善智慧服务信息系统 AI+医院业务 2018 2018年，国务院 《国务院办公厅关于促进"互联网+医疗健康"发展的意见》 鼓励医联体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务; 推进“互联网+人工智能”应用服务，研发基于人工智能的临床诊疗决策支持系统，同时加强临床、科研数据整合共享和应用 2020 2020年，中央网信办等五部门 《国家新一代人工智能标准体系建设指南》 在2023年率先在医疗等领域初步建立人工智能标准体系； 智能医疗领域，围绕医疗数据、医疗诊断、医疗服务、医疗监管等 1.52017-2024年中国AI+医疗典型政策分析 2024年以来，国内对DeepSeek等AI医疗技术的政策导向以“场景驱动、规范先行”为核心，既通过顶层设计加速技术赋能基层，又通过法规约束确保安全可控。地方政府与医疗机构普遍持开放态度，但更强调AI的辅助属性与伦理边界，未来需在技术创新与制度完善间持续平衡。 2021 2021年，国家药监局 《人工智能医用软件产品分类界定指导原则》 明确了人工智能医用软件的分类和监管要求依据风险等级分为二类或三类医疗器械 2021年，工业和信息化部等部 《“十四五”医疗装备产业发展规划》 提出远程医疗、移动医疗、智慧医疗、精准医疗、中医特色医疗等新业态全面创新发展 2023 2023年，国务院 《关于进一步完善医疗卫生服务体系的意见》 发展“互联网+医疗健康”，建设面向医疗领域的工业互联网平台； 加快推进互联网、区块链、物联网、人工智能、云计算、大数据等在医疗卫生领域中的应用，加强健康医疗大数据共享交换与保障体系建设 2022 2022年，国务院 《“十四五"国民健康规划》 开展原创性技术攻关，推出一批融合人工智能等新技术的高质量医疗装备； 推广应用人工智能、大数据、第五代移动通信(5G)、区块链、物联网等新兴信息技术，实现智能医疗服务、个人健康实时监测与评估、疾病预警、慢病筛查等 2024- 2024年，国家卫生健康委等三部门 《卫生健康行业人工智能应用场景参考指引》 智慧医疗 指引针对四大领域、十三项服务，总结了84项应用场景。其中适用于医院业务的应用场景包括：医学影像分析、智能辅助决策、智能患者管理、医疗文档生成、智能药学服务、中医药管理服务、智能医院管理、医用机器人和医学科研支持； 适用于医院业务的人工智能技术，包括：机器学习、深度学习、生成式人工智能、自然语言处理、计算机视觉以及知识表达和推理 2.1 AIAgent+院内诊前阶段应用分析 讯飞医疗智能导诊系统 AIAgent驱动的院内诊前流程 意图识别与推理层任务执行与工具调用层 支持语音、文本、图像输入，结合语音识别、手势检测 （导诊机器人）等技术 通过自然语言处理NLP，识别患者主诉的核心需求 智能分诊-智能分诊 通过强化学习，模拟医生临床思维，提升诊断推理能力 预问诊 通过分布式Agent框架实现任务并行化，调用API完成挂号、检验预约、报告生成等操作 多模态交互层 短期记忆保存对话上下文，长期记忆存储患者病史和诊疗知识库，支持动态调整分诊策略 集成医院信息系统（HIS）、电子病历系统，实现数据互通与自动化流程 记忆与学习层 2.2 AIAgent+院内诊中阶段应用分析：临床决策支持和医学影像诊断 与信息化厂商合作方式进入医院投标方式进入医院 辅助诊疗 惠每科技CDSS（DeepSeek版） 智能鉴别诊断：系统通过多模态数据融合与动态学习优化，在无需医生干预下自动分析患者全维度诊疗信息，输出按诊断置信度降序排列的鉴别诊断建议； 临床决策支持系统 医学影像辅助诊断 治疗方案推荐：系统自动整合电子病历、检验检查报告等数据构建诊疗数据集。医生访问HIS或电子病历系统时，医疗大模型实时分析患者数据并匹配最新医学指南， 医生操作界面—交互反馈层 病灶检测/定量分析 /生成结构性报告 AI并行处理 人机协同审核 生成个性化治疗建议及风险预警； 大模型医嘱分析：通过多源异构数据平台整合电子病历、检验检查报告等数据，构建结构化诊疗数据集。基于临床指南和药品说明书对患者医嘱内容进行合理性审核； 病历分析（质控）：医生可快速查看当前患者病历的大模型分析，大模型将做为病案管理专家的角色，对目前患者的整份病历进行简明扼要的病历质量判读分析； 规则引擎 知识图谱 预训练模型库 多模型协同推理 智能分析 病历生成：依托大模型高效的数据处理能力、深度学习与推理能力、以及生成高质量文本能力，快速、准确地生成符合医学逻7的病历内容，显著减轻医生的书写负担。 大语言模型深度学习 电子病历数据循证医学文献库 多模态影像标准化智能分割 数据预处理 影像采集与上传 深睿医疗DeepwiseMetAIX 标准 提供针对多种疾病的结构化报告，提高报告规范程度和质量 全栈 覆盖影像诊疗全链路，全栈式辅助分析、治疗、随访、管理及风险评估 全面高效 覆盖全身多系统、多病种，针对不同需医学影像智能快速处理、测量、计算、求，提供个性化智慧解决方案分析，辅助医师高效阅片诊断 DeepwiseMetAI睿影AI医学辅助诊断/评估系统，应用深度学习算法，针对呼吸系统、神经系统、心血管系统、运动系统、腹部等多部位多系统，提供包括影像后处理、定性分析、定量计算、胶片排版与打印以及一键报告等的一站式的AI辅助诊断与评估。 数据治理系统集成 硬件加速合规验证 共性支撑技术 2.3 AIAgent+院内行政与流程管理 技术架构 资源动态调度 实时采集急诊患者流量、手术室占用状态、医护排班数据 基于深度强化学习（DRL）生成动态排班方案，平衡科室负荷； 突发公共卫生事件下自动启动应急预案； 生成可视化调度指令同步至相关终端； 功能实现 AIAgent核心能力 动态推理 多模态感知 需求预测 智能病历质控 自主决策 持续进化 应用执行 时序模型（Prophet）预测耗材用量，如骨科植入物月需求±8%； 结合供应商交期数据生成智能采购订单； 库存优化 AIAgent（智能体）更加自主，由大 模型自行决定执行多少步骤，直到问题得到解决。 AI决策中枢 通过数字孪生构建虚拟仓库，模拟