尽管智慧医院的建设进行得如火如荼，但落在具体场景中，譬如自动书写病案、智能问诊、 智能随访等应用，仍然没有脱离关键词映射数据库的逻辑，真正做到智慧智能。 大语言模型（LLM）带来的 NLP 技术更迭能够一定程度解决当前智能程度不够问题。在分 析文本类信息时，大模型不仅能够从大量给定信息中找到任务需要的关键项，还能对未知信 息进行预设，综合上下文做出推理。此外，亦有企业将大模型置入新药研发中，以更高效的算法分析、处理、构建化合物、匹配 临床患者等，提升各阶段药物研发效率。
九大应用场景，大模型已潜入医疗
就目前而言，大模型在医疗领域的应用还停留在对已有场景的重构上，尚未展现出新场景的 创新。部分专家认为，以下九个场景最有可能最快接入大模型。
辅助诊断、辅助决策
相对于传统 CDSS 而言，大模型的训练数据来源更为广泛，自我净化能力更为高效，因而能 为 CDSS 带来较大幅度的提升。辅助诊断方面，医生在诊断中需要调动大量医学知识，记忆大量的患者信息，常会出现疲惫 的问题。此类大模型的引入可以帮助医生记录信息，缓解疲劳。同时，大模型还能通过学习 电子病历、医学文献等数据同医生进行一些语言互动，提升诊断的准确性及效率。两条作用 路径均能提升医生诊断质量、诊断效率。目前，百度灵医智惠、卫宁健康、惠每科技等企业已在尝试将大模型融入自身的 CDSS，提 升决策的完整性与准确性。
治疗方案生成
理论上可在急救药学服务、骨科、细菌感染等领域接收患者后迅速生成治疗方案。尤其是在 急救场景中，大模型在急救过程中迅速根据患者信息生成治疗方案，可以辅助医生更快做出 诊断，为患者谋取更多救治时间。目前尚无企业发布相关产品。
质控
可对结构化的医疗文书进行自动录入、形式质控、内涵质控。各个医生书写习惯不同，精力 有限，大模型可快速地生成规范医疗文书模板，该模板具备质控逻辑清晰、内容表达丰富等 特征，能够按照标准准确录入文书，减轻医生在书写、检查等环节的负担。主流 LLM 都可 提供多样化质控功能。
患者服务
可通过通俗的语言为患者进行导诊、答疑；用智能支持的药品说明书替代传统说明书。传统 的患者教育需要医生投入大量精力进行编写，并在专业性、易读性方面取得平衡，还会常常 在后续沟通中为患者释疑。大模型可以针对患者母语背景生成相关的患教资料；与患者对话 提供患者需要的信息。 这是一项较为成熟的应用，健培科技的啄医生；百度灵医智惠的 AI 药品说明书均属这一场 景中的成熟应用。
医院管理
可生成医院管理所需的各类表单，为医院管理者提供辅助管理决策支持，统计包含医生基础 信息、临床能力、医院后勤、医院财务等各个方面的数据，然后生成匹配医院现状的动态管 理计划，对医疗资源进行一个智能高效的配置。以医疗设备管理为例，大模型可以规划各项 医疗设备采购、维护计划，生成维修相关表单，有效提高管理效率。
教学科研
研究方面，可在选题立项、研究方案设计、结果分析、成果编写方面发挥很大作用。需要注 意的是，大模型也会出现伪造参考文献引文、无法甄别科研贡献，无法对于生成内容负责等 等问题，有待后续逐一解决。 教育方面，可协助医生编写教案，替代医生解答部分问题。医生在履行教学职能时需耗费大 量时间编写教案，回答学生提出的各类高重复度问题，导致有临床、科研任务的医生其精力 被重复性劳动占用。大模型的引入可以分担医生压力，如辅导第一年资学生的学习，将医生 从医学教学的任务中解放出来，帮助其专注临床科研工作。
中医
中医常面临其医疗知识难以显性化、结构化的问题，导致知识传承相对困难。引入大模型可 对中医相关知识进行数据挖掘，推动相关知识体系的构建，以标准化的形式为患者生成诊疗 方案。 目前发布中医大模型的企业较少，以大经中医为例，其“岐黄问道·大模型”包含基于已确诊 疾病的临床诊疗大模型、基于症状和体征的临床诊疗大模型、中医养生调理大模型，分别可 作用于根据用户提供的疾病、症状、体征信息，给出辨证（诊断）结果和治疗方案（中药处 方）；根据用户提供的主诉症状和伴随症状、体征信息，给出辨证（诊断）结果和治疗方案 （中药处方）；根据用户提供的症状、体征信息，给出个性化中医健康状态辨识结果，以及 食疗、茶饮、推拿、艾灸等多维度养生方案，推动中医知识标准化、诊疗标准化。
药物研发、销售
研发方面，大模型可在药物发现、临床前研究等环节提高靶点发现效率，构建复杂分子；亦 可在临床试验环节对临床试验的设计思路、统计方法的推荐等等方面提供支撑，极大提升药 物研发效率。 如晶泰科技噬菌体展示平台 XpeedPlay 能够利用大模型超高速生成苗头抗体。在研究 VHH 抗体（一种存在于骆驼血清中的天然轻链缺失抗体，用于治疗癌症，自然界不存在）结构时， 该平台通过同时优化多种药物特性，帮助晶泰科技一举获得了 1000 亿个最有前景的新 VHH 抗体序列。销售方面，大模型可在药物市场推广时以自动化、智能化的方式连接目标用户，打造更为精 准的用户画像，进而降低营销成本，提升营销效率。
公共卫生
用于辅助流行病学的大数据分析及趋势判断。由于传播方式和传播路径具备复杂性、偶然性， 疾病发展的不确信性和变化性非常大，超出常规算法的能力范畴。相比之下，大模型可以对 流行病学的大数据分析和这个预测进行有效支撑，给出较为精确的判断。目前国内外拥有大 量研究机构和医院进行相关探索，并已取得了不错的成绩。
免责声明
本文来源为其他媒体的内容转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。
