新医大一附院DeepSeek应用实践与思考

　　在"健康中国2030"战略引领下，智慧医院建设已成为医疗行业数字化转型的核心方向。新疆医科大学第一附属医院(简称 "新医大一附院")以前瞻性战略布局，积极探索医疗科技创新路径。2025年初，新疆医科大学党委常委、第一附属医院党委书记陆晨率专家团队赴上海、浙江等地先进医疗机构考察，深度调研人工智能与医疗场景融合的前沿实践。基于调研成果，医院设备与信息管理部技术团队完成国产大模型DeepSeek-R1:70B的本地化部署，围绕临床医疗、患者服务、医院管理三大核心领域展开应用实践，以技术创新驱动医疗服务体系升级。

深度赋能：提升医生效率，优化患者体验

　　在临床应用方面，DeepSeek大模型深度融入医院本地化知识库，实现医疗文书智能化生成，精准结合患者的检验结果、影像报告等关键信息，辅助生成出院记录、日常病程记录等医疗文书，在医生审核后回填至病历，极大地提升病历书写效率。以医院老年医学科为例，自DeepSeek上线后，病历书写速度显著提高，医生得以将更多的时间和精力投入到患者诊疗工作中，为患者提供更优质的服务，切实改善患者就医体验。

图1 根据患者检查检验等结果生成医疗文书

　　同时，该模型结合患者信息可进行精准的医学评估，如“TIMI危险评分”、“入院 GRACE评分”、“CHA2DS2-VASc评分”等，为临床决策提供有力依据。此外，电子病历系统嵌入AI小助手，其基于前期收集的丰富知识库，能够为年轻医生提供专业的医学指导，辅助快速查询医学知识，提升业务水平，助力医院人才队伍的建设与发展。

图2 电子病历系统嵌入DeepSeek代码片段

高效驱动：加速医技革新，释放部门效能

　　在病理诊断领域，医院的病理系统整合DeepSeek大模型后，基于患者的病理切片数据、免疫组化结果及临床病史等多维度关键信息，辅助医生快速定位诊断线索，为医生提供多角度的诊断参考。系统通过实时反馈和辅助分析，帮助医生规避诊断盲区，减少误判风险。在实际应用中，提升了诊断一致性，为临床治疗决策提供可靠的依据。

图3 病理系统接入DeepSeek

智慧护航：领航护理变革，精进守护品质

　　新医大一附院护理部全面引入DeepSeek智能平台，在护理质控、不良事件分析及科普宣传等领域创新应用，树立智慧护理典范。平台通过 AI 算法深度分析护理质量数据，提出改进措施；自动解析不良事件，生成个性化整改建议及高危风险预警方案，输出质量报告，助力管理者实现闭环管理，精准提升护理质量。在临床实践中，平台为疑难病例讨论提供循证护理方案，通过匹配相似病例护理路径，支撑罕见病个性化干预，显著缩短决策周期，增强护理科学性与安全性。

图4 护理部接入DeepSeek进行护理质控分析

管理升级：赋能行政职能，提速管理效能

　　在智慧医院管理领域，DeepSeek大模型展现出显著的应用潜力。医院设备与信息管理部将自主开发的工单系统全面接入DeepSeek，通过整合日常运维问题，构建了完善的院内知识库。科室员工在系统中提出问题时，DeepSeek能够智能调用知识库信息，提供个性化、精准的解答，可为信息管理科低年资工程师提供7×24小时即时操作指导和故障排查建议，显著提升学习效率和实战能力，加速工程师成长，大幅提升运维效率与质量。

图5 DeepSeek接入设备与信息管理部工单系统

　　设备与信息管理部借助DeepSeek优化部门的制度流程和管理策略，形成完善的管理体系。通过DeepSeek分析近三年医用耗材的使用量、使用频率、变化趋势等数据，预警存在的滥用高值耗材的问题，为管理层决策提供精准的数据支撑。

DeepSeek应用实践思考：以问题为尺，向最优而行

　　临床的深度参与：真正释放DeepSeek等大模型在医疗场景的价值，其核心在于临床人员的深度参与。从应用场景的需求定义开始，就需要医生、护士、技师等一线临床工作者基于实际痛点提出真问题，确保技术开发方向与临床需求紧密贴合。在模型训练与优化阶段，离不开临床专家对数据标注质量、特征工程有效性的把关，以及对模型输出结果的医学合理性评估。更重要的是，在应用落地与效果验证环节，必须在真实临床工作流中进行严格测试和持续迭代，依赖临床人员的主动使用、反馈和效果评估，才能真正检验人工智能应用是否提升了诊疗效率。技术与医疗的深度融合，意味着AI不是替代临床决策，而是作为强大工具赋能临床专家，这需要建立有效的沟通协作机制，将临床智慧深度嵌入技术应用的全生命周期。

　　医院的大量投入：DeepSeek大模型在医疗领域的应用潜力巨大，但其全面落地首先面临着一系列基础性挑战。最核心的瓶颈之一是复合型专业人才的短缺：医疗人工智能的有效应用亟需既深刻理解临床业务流程、医学知识体系，又精通大模型技术原理、调优部署的跨界人才，而此类人才在当前医疗体系中仍属稀缺资源。与此同时，算力瓶颈面临双重压力，大模型部署需高昂的计算集群建设投入，而其高额电力消耗则直接制约医院机房资源。

　　内容生成的准确性：模型可能产生的“幻觉”，即生成看似合理但不符合事实或医学规范的内容，是医疗应用中最不容忽视的风险点。在诊断建议、治疗方案推荐等关键环节，模型一旦出现虚构信息或错误推断，可能误导诊疗流程，威胁患者安全。因此，必须构建多层次的严格防线来应对此风险。这包括但不限于：建立实时更新的权威医学知识库作为事实核查的基石；设计人机协同决策流程，确保模型的输出必须经过临床专业人员的审核与确认才能应用于实际诊疗辅助，以控制幻觉、保障输出内容的准确性与可靠性。

　　未来医院在人工智能应用路径上，自主研发与采购成熟产品并非简单的二元选择。核心在于寻找最适合自身定位和临床痛点的价值平衡点：是投入资源攻坚深度定制化与数据主权，还是借助成熟的AI产品快速实现场景落地？无论选择哪条路径，能否高效转化为患者获益与医疗质量提升的临床价值，才是最终的评判标尺。医院将持续探索，在技术演进与医疗需求的双重驱动下，做出最有利于长远发展的本地化适配决策。

　　(作者单位：新疆医科大学第一附属医院)