心内科主任VS清华专家：AI如何变革临床诊疗?

这不是AI取代医生的故事，而是让医生成为「超级医生」的起点。          

在北京积水潭医院心内科，一场静默的智能革命正悄然重塑心血管诊疗的边界：利用机器学习技术开发出的CT-FFR系统，仅用十几分钟便完成冠脉功能性评估；而DeepSeek的本地化部署，则让这家大三甲医院在患者数据隐私与知识沉淀间找到了微妙的平衡点。

从冠脉钙化评分到功能学评估的范式跃迁，从病历书写的效率革命到诊疗决策的认知升维，一场关于精准医学的终极实验正在上演。答案，或许就藏在那些闪烁的代码与跳动的心脏之间。

在此背景下，第15期健康界ALL in AI Heath大讲堂直播节目邀请到北京积水潭医院心内科主任刘巍和深圳清华大学研究院多模态人工智能数据工程研发中心（AIM）主任朱旭光。他们以「医疗与AI的‘双向奔赴’，大模型如何发起临床诊疗智能革命？」为主题展开了探讨，为网友呈现了这一前沿领域的精彩讨论。

本文精选了直播中的部分内容，供广大同仁交流探讨，欢迎大家在评论区留言分享看法。本期完整回放可点击下列小程序，加入医项目即可观看：       

直播中，刘巍率先开启话题。他表示，医疗和人工智能的结合愈发紧密，在心血管领域体现得尤为明显。图像人工智能是常用技术之一，通过深度学习，机器能够学习分析X光片、冠脉CTA等影像。这不仅减轻了人工诊断的负担，还提高了诊断的准确性。   

以冠心病诊断来说，CT-FFR（CT血流储备分数）是一种基于冠脉CTA影像的AI计算技术。传统的冠状动脉CTA只能判断冠状动脉是否狭窄，但狭窄并不一定意味着患有冠心病，狭窄程度不一定会引发心肌缺血。而CT-FFR在CTA的基础上，增加了反映狭窄功能性的指标，从而更准确地判定是否存在心肌缺血。

国外虽然很早就有相关设备应用，但由于计算速度慢、耗时久、造价高，一直未能广泛普及。我国利用机器学习技术，开发出了运算更快的CT-FFR，十几分钟就能得出诊断结果，成本也大幅降低，显著增强了CTA诊断冠心病的精准性。这无疑是深度学习AI在医疗领域的一个成功范例。

朱旭光对此表示赞同。他认为，AI在医疗领域的应用正逐渐改变着传统的诊疗模式。以大语言模型为代表的生成式人工智能，在多个方面都展现出巨大潜力。它不仅可以取代一部分医生的重复性工作，如写病历、检查文稿等，还能在科研领域发挥作用。

刘巍则回应到，AI在医学领域的应用不仅仅局限于诊断和科研，也让信息整合变得更加方便快捷。

DeepSeek刚一问世，刘巍就决定在科室中进行尝试，这个想法很快得到了医院信息中心和团队的支持。用时两周，DeepSeek就初步部署到了积水潭医院心内科。

对此，朱旭光认为，医院选择本地化部署DeepSeek有两个重要原因。首先是患者数据隐私保护方面的考虑。云端部署虽然方便，但会存在一定的数据隐私风险，医院需要花费大量时间和精力去分析和评估云端数据的安全性。而本地化部署可以更好地保障数据的安全性，医院能够对数据进行更严格的管控。   

其次，本地化部署便于利用医院的私有化知识打造专属智能体。这源于每个医院都有自己独特的规章制度、诊疗流程以及大量的临床数据，通过在本地对DeepSeek进行一定程度的微调，挂载医院的知识库，工作人员就可以将医院的专有知识融入模型中，使其更贴合医院的实际应用场景，更好地解决医院内部的问题。

刘巍发现，部署后，在数据融合方面，DeepSeek能够将本地数据库和公用数据结合起来。当医生值班中遇到对某种药物的用法和副作用不了解的情况时，可以快速从本地化数据库中获取准确的用药建议，这为年轻医生在值班时遇到问题提供了很好的解决方案。

刘巍还提出了在使用过程中遇到的问题。比如，如何让大模型进行更综合的分析，实现对病人更精准的诊断，达到甚至超越主治医师的水平。另外，当医生同时处理多个病历的时候，如何避免DeepSeek出现张冠李戴的情况，确保诊断的准确性，也是技术方面需要解决的问题。

朱旭光相信，这些问题的解决需要产品和技术的不断进步和完善，研发人员也在持续探索更好的解决之道。

从查找最新的医学研究成果，到梳理患者过往复杂的病史资料，AI 都展现出了高效的信息处理能力，为医疗工作的开展提供了坚实的信息基础。

「AI在临床工作中的应用场景广泛，它已经成为医生的得力助手。」朱旭光说，比如，当医生面对复杂的病情时，AI可以通过分析大量的病例数据，为医生提供可能的诊断方向和治疗建议。AI还可以帮助医生进行病历的书写和管理，提高病历书写的效率和质量。   

刘巍补充道，可以借助AI模板和提示功能，快速生成病历的框架，医生只需根据患者的具体情况进行补充和修改，这样既能提高书写速度，又能保证病历的规范性和完整性。同时，AI还可以对病历进行质量控制，检查病历中是否存在错误或遗漏的信息，帮助医生提高病历质量。

朱旭光认为，未来，大模型有望在临床诊疗中发挥更大的作用，实现更精准的诊断和个性化的治疗。例如，通过对大量患者数据的分析和学习，AI可以为每个患者制定专属的治疗方案，提高治疗效果。同时，在医疗管理方面，AI也可以帮助医院优化资源配置，提高运营效率。

事实上，在期待AI为医疗领域带来巨大变革的同时，医疗行业并不能忽视其中的风险和挑战。刘巍对此保持谨慎态度。他认为，随着AI在医疗领域的应用越来越广泛，大量的患者数据被收集和使用，如果这些数据遭到泄露或滥用，将对患者的权益造成严重损害。另外，AI技术的可靠性和伦理问题也需要高度关注，要确保AI的应用符合医学伦理和法律规范，保障患者的安全和利益。