DeepSeek熱潮正迅速滲透醫療行業，多家企業開始接入DeepSeek。

醫藥領域，醫渡科技將DeepSeek整合至自研的“AI醫療大腦”YiduCore，強化醫療數據挖掘能力；互聯網醫療領域，方舟健客宣布已成功接入DeepSeek開源大模型并完成本地化部署；醫療器械領域，鷹瞳科技升級萬語醫療大模型，接入DeepSeek-R1提升AI影像診斷的準確率與效率；醫療信息化與數字化領域，福鑫科創也宣布旗下所有產品全面接入DeepSeek大模型。

借助DeepSeek的強大推理，可以提升垂類模型的準確性和實用性，增加對復雜狀況下疑難雜癥的處理能力。福鑫科創CEO吳笛在接受時代周報記者專訪時表示，DeepSeek不僅能夠從患者模糊的主訴中精準提取關鍵臨床特征，還能自主構建符合醫療規范的決策樹，識別潛在風險并提供防御性醫療建議，最終將碎片化的信息轉化為結構化的診療方案。

吳笛 福鑫科創CEO 受訪者供圖

吳笛曾任華為、戴爾戰略規劃總監。2016年，吳笛在深圳創辦了云原生開發者工具公司——深圳行云創新。2020年，吳笛創立福鑫科創，致力于開發醫療AI低代碼開發平臺，并于2023年推出了其核心產品——Fusion醫助大模型。

吳笛表示，福鑫科創是國內首批布局基于大模型的醫療信息化產品的公司之一。他指出:“我們早在行業發展初期便預見到大模型在醫療場景中的巨大潛力和應用前景，這為我們贏得了顯著的先發優勢?！?/p>

根據Data Bridge Market Research預測，全球醫療AI市場2023年估值約百億美元，預計到2030年增長至2000億美元，CAGR超過40%；根據Market.us的數據，生成式AI在醫療健康領域的市場規模預計將于2032年達到172億美元，年復合增長率高達37%。

AI與醫生是伙伴關系

時代周報:AI可能取代人類醫生嗎？

吳笛:醫生和AI之間的關系更像是伙伴，而不是競爭者。

AI是醫生的工具和助手，兩者通過協作可以產生“1+1gt;2”的效果。AI擅長處理大量數據、做重復性的任務，比如篩查疾病、輔助診斷，幫醫生節省時間，但具體怎么治病，還是要醫生結合病情和其他因素來決定。

時代周報:福鑫科創如何定義AI與人類醫生的協作模式，以確保技術的合理應用？

吳笛:兩者的強項不一樣，配合起來效果更好。醫生更擅長解決復雜問題、用經驗判斷、和患者溝通，而AI在分析數據和識別模式方面特別快，可以給醫生提供很多支持。

另外，醫患之間的情感和信任是AI取代不了的?；颊卟粌H需要一個診斷結果，更需要醫生的安慰和解釋，這是AI無法做到的。

未來，醫生和AI會越來越緊密地協作。醫生要學會用好AI，而AI也會變得更適合臨床需求。兩者結合后，醫療會變得更高效、更精準，讓患者享受到更好的服務。

時代周報:你強調“AI與醫生是伙伴關系”，能否從技術層面談談這一理念如何落地？

其次，Fusion醫助大模型具備實時數據處理和反饋機制。在AI預問診產品中，患者可以對模型提出的問題進行點贊或點踩的實時反饋，幫助模型持續優化。在AI生成式電子病歷產品中，系統會實時對比模型生成的電子病歷與醫生實際修改后的病歷，并將差異反饋給模型，以便后續優化。

此外，Fusion醫助大模型在每個科室的使用中都進行了定制化調整。比如在產科，模型會使用月經周期、孕幾，產幾等專科病歷醫學術語。在放化療科，由于大多是復診患者，模型會自動抽取患者上次就醫的病歷內容，并結合本次就診的對話內容，生成更加全面、準確的病歷。

時代周報:福鑫科創的大模型產品目前主要面向醫院客戶，這一市場定位是出于怎樣的戰略考量？

吳笛:福鑫科創從成立之初就一直在做醫療信息化，因為這個市場空間廣闊，具備孕育多家百億、千億市值HIT企業的土壤。

醫院本身數據豐富，包括電子健康記錄、醫學影像、基因組數據、臨床試驗數據等。這些數據在量和質上都為大模型的訓練提供了良好的基礎，使得模型能夠學習到更復雜的醫療知識和模式。

此外，國家衛健委頂層設計也在大力推動醫療人工智能的落地應用，也間接推動了醫院在醫療AI產品采購上的支付意愿的提高。比如在2024年11月，國家衛健委三部門聯合發布的《衛生健康行業人工智能應用場景參考指引》，明確給出了84個應用場景。

模型私有化部署，數據“不出院”

時代周報:在訓練Fusion醫助大模型時，使用了哪些類型和規模的醫療數據？如何確保數據的多樣性、代表性和質量？特別是在處理罕見病或邊緣病例時，如何避免數據偏差對模型性能的影響？

吳笛:第一類是真實臨床數據的積累，包括HIS、EMR(電子病歷系統)、PACS(影像歸檔與通信系統)和LIS(實驗室信息系統)等。我們為多家醫院建設了臨床數據中心(CDR，Clinical Data Repository)，用于集中管理和存儲海量的臨床數據。這些系統為我們提供了超過3000萬條來自真實臨床場景的脫敏數據，涵蓋廣泛的病患信息和醫療行為。

第二類是權威的臨床知識庫體系。我們的知識庫包括20萬+醫學專業實體、50萬+醫學實體關系的知識圖譜、15萬條藥品說明書、六百本醫學專業書籍以及上千本醫學科普書籍。

第三類數據是用戶的反饋機制與獎勵模型優化。我們的產品已在多家大型三甲醫院落地使用，特別是在生成式電子病歷等關鍵應用中。醫院的主任醫師和教授每天都對模型的輸出進行正反饋或負反饋(修改、刪除輸出)，幫助我們不斷優化和訓練AI模型。

在處理罕見病或者邊緣病例的時候，我們采用合成數據、轉移學習、小樣本學習、跨領域數據整合等方式去降低由于數據偏差導致模型性能不佳的問題。

時代周報:醫療數據涉及高度敏感的患者隱私，福鑫科創在開發和部署Fusion醫助大模型時，如何確保數據的安全性和合規性？

吳笛:我們堅持“數據不出院”的核心原則，所有模型訓練和推理過程均在醫院內部完成，通過私有化部署確保數據始終處于院內安全環境中。技術層面，我們用數據加密和匿名化方法保護醫療數據的隱私，確保敏感信息不被泄露；管理層面，我們建立數據質量監控系統，定期對醫療數據進行質量評估和監測，及時發現和糾正數據質量問題。

AI生成式電子病歷最有潛力

時代周報:接入DeepSeek，對醫療垂類大模型的發展有何推動作用？

吳笛:DeepSeek采用MoE架構，相比傳統大模型，不僅降低了40%以上的算力消耗，還在推理精度上保持了競爭力。這一優化使醫院在資源緊張的情況下，能夠以更低的成本引入AI技術，提升醫療服務效率。

同時，DeepSeek通過思維鏈技術，增強了AI在臨床診斷中的透明度和可解釋性。它不僅能夠提供有效的診療建議，還能詳細解釋其推理過程，幫助醫生更好地理解AI的決策依據。

此外，DeepSeek顯著降低了對提示詞的要求，使得臨床醫生能夠更輕松地與模型互動。這一改進不僅提升了用戶體驗，還降低了醫務人員使用AI的門檻，使更多醫生能夠快速掌握并應用AI技術解決復雜的醫療問題。

時代周報:你認為未來醫療大模型最有潛力的應用場景是什么？

吳笛:我認為AI生成式電子病歷最有潛力。

我們先定義下“最有潛力”:一是看場景價值，二是實現難度，生成式電子病歷相對來說實現難度中等，但是價值最高。

傳統的醫生在門診看診場景中，單個患者就診時長按照10分鐘計算，一般用于書寫電子病歷的時間在5分鐘，開藥、開檢查的時間在3分鐘，真正用于問診的時間也平均只有2分鐘。

有了AI之后，AI會實時記錄醫患的對話，并將其轉化為醫學術語，按照門診電子病歷模板自動書寫電子病歷，大大節省了醫生書寫病歷的時間。按照一個醫生每天看診50個病人計算，每天可以至少節省1個多小時的書寫病歷時間。

上一條：恒生聚源智能投研平臺WarrenQ全面接入DeepSeek深
下一條：返回列表