摘要：以DeepSeek为代表的AI 解决方案日渐成为医疗健康行业的共识。接入之后，医院怎样用好DeepSeek？如何将技术红利转化为服务效能？怎样平衡效率与安全？这些都是眼下摆在越来越多医院面前的「必答题」。

以DeepSeek为代表的AI 解决方案日渐成为医疗健康行业的共识。接入之后，医院怎样用好DeepSeek？如何将技术红利转化为服务效能？怎样平衡效率与安全？这些都是眼下摆在越来越多医院面前的「必答题」。

为了进一步探寻解决方案，近期健康界发起「ALL in Al Health 创新应用大讲堂」，最新一期邀请到了清华长庚医院医学数据科学中心主任李栋，他在直播中详细介绍了AI医疗落地图谱以及对DeepSeek等AI工具在应用中的看法。

李栋的研究领域广泛而深入，包括临床研究设计、衡量与评价、建模分析、医疗数据挖掘，以及人工智能在医疗中的应用。他领导临床科研团队开发了智能医疗决策分析系统，拥有丰富的经验。

近期，他带领团队率先完成DeepSeek本地化部署，并推动其与电子病历、HIS系统的深度融合。他主导的「清华长庚特制版」DeepSeek模型，通过数据治理与二次开发，已在辅助诊断、流程优化等场景中展现显著成效。

以下是直播内容精选，健康界做了不改变原义的调整：

健康界：二次开发往往需要本地化部署DeepSeek，但本地化部署具有一定的门槛、算力要求大，医院需具备哪些基础条件才能实现本地化？

李栋：在近期的新闻中，我们可以看到医院选择接入或者本地化部署DeepSeek，这两种方式不一样。如果先前没有基础条件，医院更可能选择接入，即通过第三方云端服务器托管；如果具备一定的算力基础，医院则可以选择本地化部署，长庚医院选择了本地化部署的方式。

健康界：长庚医院部署DeepSeek的主要应用场景有哪些？

李栋：长庚医院主要应用场景有四：

第一个是通过大模型深度调取和分析病人院前术中记录，给出预测结果，帮助医生实现智能诊疗；

第二个是垂直整合从医院、医联体到社区的资源和数据；

第三个是利用大模型一次性打通四家清华附属医院临床数据，彻底打通信息孤岛；

第四个是运用于医学教育，改变医学生传统的培养体系。大模型有望提升医生的培养效率，加速培养进程。例如，通过模拟疑难杂症场景，帮助年轻医生快速积累经验，缩短医生的培养周期。

健康界：部署DeepSeek之后，取得了哪些效果？

李栋：现在提效果还为时尚早，效果需要用证据说话。不过，我可以简单谈一些自己的亲身体会。DeepSeek确实能够帮助到医生，以前主要依赖于医生作诊断，现在大模型可以作为智能助手辅助医生决策；还可以帮助医生总结文献，定期将最新的诊断研究和指南推荐给医生，减轻医生的负担。

健康界：DeepSeek只能作为医院AI医疗战略的一部分，能否谈一谈长庚医院的整体AI医疗图谱？

李栋：长庚医院从5年前开始了AI医疗布局，不限于辅助诊断，AI医疗图谱涵盖院前疾病预防、术中整个门诊过程中的智能诊疗方案、以及后续患者回到社区和家中之后的康复等等。

不过，AI医疗在医院的第一步是完成治理高度专业化、精准化数据的工作，打通信息孤岛，提升医疗数据的整体质量。然后，基于专有数据训练出来的医疗智能体对应医院不同的应用场景，逐步布局，进而实现医院全流程智能化。

健康界：在AI医疗方面，从技术引入到场景落地的关键经验有哪些？这些经验对其他医院有什么启发和借鉴？

李栋：我更多分享一些这个过程中踩坑的地方，希望让其他医院在布局过程中根据我们的经验少走一些弯路。

一是不要追求高大上，以DeepSeek为例，其有多个版本，满血版本参数高达671B。如果要部署满血版，仅模型文件就需要404GB存储空间，运行时更需要约1300GB显存。

最初，长庚医院部署了满血版，但是在使用过程中遇到了问题，用户体验非常不好。后来通过反复评估选择了32B版本。谨记，不要盲目追求最强版本，合适医院的版本才是最好的。

二是不要盲目陷入算力陷阱，一定要做好院内测试。DeepSeek非常耗算力，在没有全面铺开之前，可以先不进行本地部署，通过第三方云托管接入方式测试。调试完之后，再根据医院不同的特色科室部署。

三是重视数据治理，医疗场景是非常特殊的场景，它对数据精度要求相对非常高。最原始的临床诊疗数据并不是数据，而是信息，必须经过深度数据治理，不能直接拿来就用。

健康界：当AI问诊准确率超90%，AI真能代替医生？医生会被重新定义吗？

李栋：这是一个仁者见仁、智者见智的问题。我认为，短期内AI无法完全替代医生，更多是作为智能化的医生助手。未来有望训练出与医生相当水准的模型，这些模型可以非常精准提出诊疗方案，供医生参考，不过最终的决策权还在医生手里。

另一方面，医疗行业具有特殊性，治疗疾病并非只是一个技术问题，整个诊疗过程涉及到人文关怀，需要结合心理和社会背景开展诊疗工作。到目前为止，我们可以看到AI并不具备人文关怀，总之还有很长的路要走。

然后，这又引申出另外一个问题，即医生是否会被重新定义。这是毫无疑问，一定会被重新定义。传统的诊疗方法常常依赖于医生的经验，个人的学习能力是有限的。但是AI技术更像是一个「超级医生」，其能快速学习海量的诊断报告和文献，并快速迭代，具有无限潜力。仅仅依赖医生的经验是行不通的，未来会是医生和AI相结合的智慧诊疗模式。

健康界：问诊时患者利用DeepSeek质疑医生的治疗方案，您怎么看？

李栋：患者借助DeepSeek问诊，一定程度上会产生一些信任危机，但长期看利大于弊。DeepSeek等AI工具正在革新传统诊疗模式，重塑医患关系。其有助于降低医学门槛，使患者更好地了解自身病情和医学知识，从而促进医患之间的双向互动和理解，使患者更积极地参与到诊疗过程中，能够缓解一部分医疗纠纷。

患者质疑医生是一件好事。利用DeepSeek问诊，患者大概了解病情，对病情有了一定的认知，不再是之前医生说、患者听的模式。医生也需要更耐心、更科学解释，患者通过AI工具的帮助也能更清晰理解医生的回答。

健康界：患者查DeepSeek后质疑治疗方案，AI该不该担责？

李栋：AI该不该担责要看成熟阶段，如果发展到了成熟阶段，那么一定要负责。权利和责任一定是相辅相成的，当AI足够强大时，无法逃脱责任。

健康界：接下来，随着AI承担了一些基础问诊等工作之后，医生需要重点提升哪些新能力？

李栋：首先，需要理清整个诊疗思路，给出清晰专业的指令，这样才能获得更精确的答案，站在巨人的肩膀上；其次，医生要掌握数据整理和分析能力，总结出来，训练模型，让AI能够帮助医生提升能力。

AI不仅能让医生避免过去繁琐、单调、需要靠时间和经验积累的工作，提升了效率。更重要的是，它让医生学会不要思想懒惰，勤于总结过去的诊疗经验，并在后续治病中学以致用。

健康界：在医学场景之中，数据安全与患者隐私保护至关重要，这是不可逾越的红线。您认为应该如何保护数据安全与患者隐私？

李栋：聊到这个话题，我们要先回答这样一个问题，AI时代的数据安全和患者隐私与之前有什么本质的区别？

本质区别在于AI具有先天的记忆性，AI能通过逻辑推理和算力反复试错拼出个人信息；另一方面，AI强大的逻辑推理能力会编造数据，甚至用户无法辨别出这些数据的真假。因此，AI时代不要夸口过去医院数据安全和隐私保护做得多么好。一定要与时俱进，不断寻找更好的办法保护数据安全和患者隐私。AI也会带来伦理冲击等问题，必须要尽早出台政策和法规，规避风险。

总之，智能化时代，「如何守好红线和底线」是一个永远在路上的问题。并不是今天制定好了，就能一劳永逸，解决所有问题。AI一直在发展，我们一直与AI合作或竞争，永远都是进行时，享受进步的同时，也要随时看到潜在的风险。我相信，只有以这种态度，才能守好这条红线。

健康界：国家在AI医疗监管政策上，应该优先制定哪些规则？

李栋：首先，国家要界定根本概念，比如AI医生有没有处方权，什么程度上给它处方权，最终决策权在人类医生，这些基本框架要搭起来；第二，做好监管工作，界定权责，既要保护患者利益，也要保护医生利益。

健康界：如何看待并用好AI大模型？

李栋：对于以DeepSeek为代表的大模型，大家还是要采取客观、理智、冷静的态度。因为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，尤其在医疗领域，过度追捧和热情、认为「万物皆可DeepSeek」的作法是不理智的。我希望大家以平和、耐心、理性的心态看待大模型，给它一定的成长空间，与它共同成长，用好大模型。

来源：健康界