“過去，書寫一次普通病程記錄，耗時10至30分鐘不等。使用DeepSeek大模型后，只要把病人的相關數據指標輸入電腦，就能自動生成一次病程記錄，加上人工復核，耗時也就5分鐘左右。”廈門大學附屬第一醫院（簡稱“廈大附一醫院”）乳腺外科醫生陳雙龍說。

這一幕，是廈大附一醫院智慧醫療變革的縮影。

今年2月26日，廈大附一醫院在廈門市醫療機構中率先行動，正式將電子病歷系統接入本地化部署的DeepSeek大模型，AI正悄然成為醫生的“高級助手”，隨后又推出智能客服系統，用科技破解患者就醫“找路難”“流程懵”的痛點，重塑診療流程。

率先部署：在全院多個場景推廣應用

據介紹，DeepSeek系統目前已經在該院的多個場景中推廣應用，包括門診/住院電子病歷系統、手術麻醉系統、放射系統、心電系統的接入與應用，實現智能問答和輔助分析。

具體涵蓋AI智能問答、AI病歷質控、輔助診斷、輔助病歷生成、臨床報告解讀、AI手術分析、AI檢查報告分析等場景，未來將拓展至影像診斷、檢驗病理分析、體檢咨詢等環節，覆蓋診前、診中、診后全流程。

此外，醫院還計劃加強科研和管理場景的應用，如病歷質控、健康檔案管理等，并探索罕見病篩查和應急響應等新領域。隨著技術優化和數據安全體系的完善，DeepSeek將逐步覆蓋更多疾病類型，提升全院診療效率與服務質量。

醫生視角：復雜病例的“高級助手”

因為家屬忙碌，70歲的林阿婆獨自坐在診室，攥著一疊乳腺癌術后病歷，對后續治療一頭霧水。

“這類患者最讓我們揪心。”該院乳腺外科醫生陳雙龍說道。過去，他需要花20分鐘逐條解釋：從病理分型、藥物選擇到飲食禁忌，甚至要手寫注意事項，“但像林阿婆這樣的老人，往往聽完就忘”。

陳雙龍打開醫院新部署的DeepSeek系統，導入林阿婆的電子病歷：手術記錄、病理報告、高血壓病史……3分鐘后，一份《乳腺癌術后個性化治療計劃》自動生成。

“相當于有個資歷高的助手幫我整理資料。”陳雙龍邊修改邊解釋，系統不僅整合了最新診療指南，還能自動規避藥物沖突。確認無誤后，計劃書被打印成文字版交給林阿婆。

DeepSeek在保證準確率方面做了諸多努力。廈大附一醫院信息科主任孫中海介紹，系統起初應用時，采用了醫生把關的方式，所有場景面向醫生，而非直接面向患者。

系統通過構建專業醫學知識庫，整合了最新版臨床診療指南、規范化操作流程等權威醫學知識庫，為醫生提供智能化的病情分析輔助、結構化病歷生成和智能病程記錄等臨床工作，其生成的每項診斷建議均嚴格溯源至最新版診療指南及循證醫學證據，經臨床驗證，系統輔助診斷準確率較傳統方式提升顯著。

“目前，醫生使用DeepSeek作為參考，其準確率已經達到一個15年左右資歷的醫生水平。”孫中海表示，通過DeepSeek，醫生可以節省大量時間和精力。對于一個復雜病例，傳統電子病歷可能需要10多分鐘來完成，如今通過DeepSeek只需1~2分鐘，大大提高了工作效率。

▲陳雙龍醫生（右一）正在用本地化部署到病歷系統的DeepSeek

患者視角：全流程“智能管家”

“以前來醫院跟無頭蒼蠅一樣，現在手機全程提醒，連藥怎么吃都安排得明明白白。”剛體驗完新系統的張阿姨舉著手機，向記者展示智能客服發來的用藥提醒。

記者看到，從關注醫院公眾號開始，系統就化身貼身管家，為張阿姨提供一站式的門診全流程指引服務、主動提醒等服務，尤其解決了患者“不知下一步該做什么”的痛點。

診前包括預約掛號、AI預問診、就診提醒；診中除了能夠實時更新排隊人數外，醫生開完檢查單，還能自動預約最合理時段等服務；診后甚至細化到每日用藥時間的提醒。

▲客服部工作人員正在協助患者使用智能客服系統

該院客服部主任劉華峰表示，智能客服系統基于深度學習和檢索增強生成（RAG）技術，能夠實時識別患者需求，提供診前咨詢、檢查準備、醫保政策、智能導航等全方位服務。

自該平臺啟動試運營后，患者平均停留時間明顯縮短。

▲患者正在體驗AR實景導航系統，定位精度達到米級，連“該走樓梯還是扶梯”都能智能推薦

技術縱深：從“第二閱片人”到多模態探索

在醫學影像科，醫生的電腦屏幕上，一個不起眼的懸浮窗悄然運行著。每當一份影像報告撰寫完成，這個基于大語言模型的AI工具便開始工作——它快速掃描報告中的關鍵詞，比如“結節”“邊緣模糊”等描述，并嘗試推導可能的診斷結果。

▲在醫學影像科，DeepSeek幫助醫生甄別報告中是否有錯誤信息

“它有點像一位‘第二閱片人’。”廈大附一醫院放射影像科主任汪建華解釋道，“比如住院醫師寫完報告，AI會檢查是否有錯別字、標點錯誤，甚至邏輯矛盾。有些低級錯誤它能準確捕捉，但專業術語的細微差別，它有時也會‘誤判’。”

“以前做一個心血管三維重建，熟練的醫生也要二三十分鐘，現在AI幾秒鐘就能完成。”汪建華坦言，這類垂直領域的AI工具已顯著提升了效率。但關鍵在于——AI的結論仍需醫生復核。“它會‘過度敏感’，比如把血管影誤判為結節，或者漏掉一些不典型的病灶。最終診斷必須由醫生綜合判斷。”

而對于更復雜的多模態診斷（如結合病史、檢驗指標等），目前的通用大模型仍力有不逮。“它擅長‘文字到文字’的推理，但醫學影像的核心是‘圖像到診斷’，這涉及更復雜的跨模態學習，目前還在探索階段。”

“簡單的開檢查單用不上它。”陳雙龍說，在乳腺外科，DeepSeek主要服務兩類人群：長期管理型，如術后需制定復雜方案的患者；疑難轉診型，輾轉多家醫院未確診的病例。

目前，最大的瓶頸是外院數據互通——當患者帶著紙質病歷從外地趕來，醫生仍需手動錄入關鍵信息。“期待全市醫療數據共享后，能自動抓取外院檢查結果。”陳雙龍表示。

未來展望：基層下沉與全域賦能

DeepSeek模型的成功部署是醫院將人工智能與臨床業務相結合的一次全新探索，是醫院智慧醫療建設的重要里程碑。

▲廈大附一醫院張福星院長（右）正在查看互聯網醫院建設情況

在醫院管理方面，廈大附一醫院院長張福星介紹，目前，Deepseek系統主要用于生成質控點，但未來可以進一步應用于醫院精細化管理。

例如，通過數據抓取和分析，醫院可以生成更詳細的質控報告，提高醫院管理的科學性和規范性。此外，系統還可以降低成本，減少醫生的工作負擔。

“我們要將人工智能應用貫穿診前、診中、診后全流程，不斷提升醫療服務質量和效率，同時完善數據安全體系，為患者提供更加優質、便捷、安全的醫療服務。”張福星表示。“未來Deekseek系統將更廣泛地應用于基層醫療機構，通過本地化部署的方式，將三甲醫院的經驗和技術下沉到基層，不僅可以提高基層醫療服務水平，還能讓老百姓在家門口就能享受到優質醫療服務。”

現在刷到我們全憑緣分

大家記得設置星標

關注精彩內容不迷路~

福建衛生報全媒體記者：廖小勇

通訊員：陳雯、李欣

編輯：小楓

審核：黃美輝、陳靜