要布局DeepSeek等AI技術的醫院，注意這三點可少走彎路！

以DeepSeek為代表的AI 解決方案日漸成為醫療健康行業的共識。接入之后，醫院怎樣用好DeepSeek？如何將技術紅利轉化為服務效能？怎樣平衡效率與安全？這些都是眼下擺在越來越多醫院面前的「必答題」。

為了進一步探尋解決方案，近期健康界發起「ALL in Al Health 創新應用大講堂」，最新一期邀請到了清華長庚醫院醫學數據科學中心主任李棟，他在直播中詳細介紹了AI醫療落地圖譜以及對DeepSeek等AI工具在應用中的看法。

李棟的研究領域廣泛而深入，包括臨床研究設計、衡量與評價、建模分析、醫療數據挖掘，以及人工智能在醫療中的應用。他領導臨床科研團隊開發了智能醫療決策分析系統，擁有豐富的經驗。

近期，他帶領團隊率先完成DeepSeek本地化部署，并推動其與電子病歷、HIS系統的深度融合。他主導的「清華長庚特制版」DeepSeek模型，通過數據治理與二次開發，已在輔助診斷、流程優化等場景中展現顯著成效。

以下是直播內容精選，健康界做了不改變原義的調整：

對要布局AI的醫院注意這三點可少走彎路

健康界：二次開發往往需要本地化部署DeepSeek，但本地化部署具有一定的門檻、算力要求大，醫院需具備哪些基礎條件才能實現本地化？

李棟：在近期的新聞中，我們可以看到醫院選擇接入或者本地化部署DeepSeek，這兩種方式不一樣。如果先前沒有基礎條件，醫院更可能選擇接入，即通過第三方云端服務器托管；如果具備一定的算力基礎，醫院則可以選擇本地化部署，長庚醫院選擇了本地化部署的方式。

健康界：長庚醫院部署DeepSeek的主要應用場景有哪些？

李棟：長庚醫院主要應用場景有四：

第一個是通過大模型深度調取和分析病人院前術中記錄，給出預測結果，幫助醫生實現智能診療；

第二個是垂直整合從醫院、醫聯體到社區的資源和數據；

第三個是利用大模型一次性打通四家清華附屬醫院臨床數據，徹底打通信息孤島；

第四個是運用于醫學教育，改變醫學生傳統的培養體系。大模型有望提升醫生的培養效率，加速培養進程。例如，通過模擬疑難雜癥場景，幫助年輕醫生快速積累經驗，縮短醫生的培養周期。

健康界：部署DeepSeek之后，取得了哪些效果？

李棟：現在提效果還為時尚早，效果需要用證據說話。不過，我可以簡單談一些自己的親身體會。DeepSeek確實能夠幫助到醫生，以前主要依賴于醫生作診斷，現在大模型可以作為智能助手輔助醫生決策；還可以幫助醫生總結文獻，定期將最新的診斷研究和指南推薦給醫生，減輕醫生的負擔。

健康界：DeepSeek只能作為醫院AI醫療戰略的一部分，能否談一談長庚醫院的整體AI醫療圖譜？

李棟：長庚醫院從5年前開始了AI醫療布局，不限于輔助診斷，AI醫療圖譜涵蓋院前疾病預防、術中整個門診過程中的智能診療方案、以及后續患者回到社區和家中之后的康復等等。

不過，AI醫療在醫院的第一步是完成治理高度專業化、精準化數據的工作，打通信息孤島，提升醫療數據的整體質量。然后，基于專有數據訓練出來的醫療智能體對應醫院不同的應用場景，逐步布局，進而實現醫院全流程智能化。

健康界：在AI醫療方面，從技術引入到場景落地的關鍵經驗有哪些？這些經驗對其他醫院有什么啟發和借鑒？

李棟：我更多分享一些這個過程中踩坑的地方，希望讓其他醫院在布局過程中根據我們的經驗少走一些彎路。

一是不要追求高大上，以DeepSeek為例，其有多個版本，滿血版本參數高達671B。如果要部署滿血版，僅模型文件就需要404GB存儲空間，運行時更需要約1300GB顯存。

最初，長庚醫院部署了滿血版，但是在使用過程中遇到了問題，用戶體驗非常不好。后來通過反復評估選擇了32B版本。謹記，不要盲目追求最強版本，合適醫院的版本才是最好的。

二是不要盲目陷入算力陷阱，一定要做好院內測試。DeepSeek非常耗算力，在沒有全面鋪開之前，可以先不進行本地部署，通過第三方云托管接入方式測試。調試完之后，再根據醫院不同的特色科室部署。

三是重視數據治理，醫療場景是非常特殊的場景，它對數據精度要求相對非常高。最原始的臨床診療數據并不是數據，而是信息，必須經過深度數據治理，不能直接拿來就用。

面臨AI挑戰醫生需要重點提升哪些新技能？

健康界：當AI問診準確率超90%，AI真能代替醫生？醫生會被重新定義嗎？

李棟：這是一個仁者見仁、智者見智的問題。我認為，短期內AI無法完全替代醫生，更多是作為智能化的醫生助手。未來有望訓練出與醫生相當水準的模型，這些模型可以非常精準提出診療方案，供醫生參考，不過最終的決策權還在醫生手里。

另一方面，醫療行業具有特殊性，治療疾病并非只是一個技術問題，整個診療過程涉及到人文關懷，需要結合心理和社會背景開展診療工作。到目前為止，我們可以看到AI并不具備人文關懷，總之還有很長的路要走。

然后，這又引申出另外一個問題，即醫生是否會被重新定義。這是毫無疑問，一定會被重新定義。傳統的診療方法常常依賴于醫生的經驗，個人的學習能力是有限的。但是AI技術更像是一個「超級醫生」，其能快速學習海量的診斷報告和文獻，并快速迭代，具有無限潛力。僅僅依賴醫生的經驗是行不通的，未來會是醫生和AI相結合的智慧診療模式。

健康界：問診時患者利用DeepSeek質疑醫生的治療方案，您怎么看？

李棟：患者借助DeepSeek問診，一定程度上會產生一些信任危機，但長期看利大于弊。DeepSeek等AI工具正在革新傳統診療模式，重塑醫患關系。其有助于降低醫學門檻，使患者更好地了解自身病情和醫學知識，從而促進醫患之間的雙向互動和理解，使患者更積極地參與到診療過程中，能夠緩解一部分醫療糾紛。

患者質疑醫生是一件好事。利用DeepSeek問診，患者大概了解病情，對病情有了一定的認知，不再是之前醫生說、患者聽的模式。醫生也需要更耐心、更科學解釋，患者通過AI工具的幫助也能更清晰理解醫生的回答。

健康界：患者查DeepSeek后質疑治療方案，AI該不該擔責？

李棟：AI該不該擔責要看成熟階段，如果發展到了成熟階段，那么一定要負責。權利和責任一定是相輔相成的，當AI足夠強大時，無法逃脫責任。

健康界：接下來，隨著AI承擔了一些基礎問診等工作之后，醫生需要重點提升哪些新能力？

李棟：首先，需要理清整個診療思路，給出清晰專業的指令，這樣才能獲得更精確的答案，站在巨人的肩膀上；其次，醫生要掌握數據整理和分析能力，總結出來，訓練模型，讓AI能夠幫助醫生提升能力。

AI不僅能讓醫生避免過去繁瑣、單調、需要靠時間和經驗積累的工作，提升了效率。更重要的是，它讓醫生學會不要思想懶惰，勤于總結過去的診療經驗，并在后續治病中學以致用。

不必過度追捧和熱情客觀、理智、冷靜看待大模型

健康界：在醫學場景之中，數據安全與患者隱私保護至關重要，這是不可逾越的紅線。您認為應該如何保護數據安全與患者隱私？

李棟：聊到這個話題，我們要先回答這樣一個問題，AI時代的數據安全和患者隱私與之前有什么本質的區別？

本質區別在于AI具有先天的記憶性，AI能通過邏輯推理和算力反復試錯拼出個人信息；另一方面，AI強大的邏輯推理能力會編造數據，甚至用戶無法辨別出這些數據的真假。因此，AI時代不要夸口過去醫院數據安全和隱私保護做得多么好。一定要與時俱進，不斷尋找更好的辦法保護數據安全和患者隱私。AI也會帶來倫理沖擊等問題，必須要盡早出臺政策和法規，規避風險。

總之，智能化時代，「如何守好紅線和底線」是一個永遠在路上的問題。并不是今天制定好了，就能一勞永逸，解決所有問題。AI一直在發展，我們一直與AI合作或競爭，永遠都是進行時，享受進步的同時，也要隨時看到潛在的風險。我相信，只有以這種態度，才能守好這條紅線。

健康界：國家在AI醫療監管政策上，應該優先制定哪些規則？

李棟：首先，國家要界定根本概念，比如AI醫生有沒有處方權，什么程度上給它處方權，最終決策權在人類醫生，這些基本框架要搭起來；第二，做好監管工作，界定權責，既要保護患者利益，也要保護醫生利益。

健康界：如何看待并用好AI大模型？

李棟：對于以DeepSeek為代表的大模型，大家還是要采取客觀、理智、冷靜的態度。因為任何新生事物一定是不完善的，一定有它的缺陷和不足。所以，尤其在醫療領域，過度追捧和熱情、認為「萬物皆可DeepSeek」的作法是不理智的。我希望大家以平和、耐心、理性的心態看待大模型，給它一定的成長空間，與它共同成長，用好大模型。