俞磊：大模型在医疗实践中的应用

始建于1904年的上海市第六人民医院，算得上是中国现代医学的一块老牌子了。这家大型三级甲等综合医院如今拥有徐汇和临港两个院区，规模相当惊人——近五年年均门急诊量突破500万人次，年出院超过15万人次，年住院手术量也超过12万。在这样一个体量的医院里，信息化建设的每一步都得踩实。而大模型，正是六院近年在技术应用上押注的一个重要方向。在CHIMA 2024大会上，医院信息处处长俞磊专门分享了这方面的实践与思考。

ChatGPT的横空出世，让大众第一次切身感受到生成式人工智能的爆发力。随着大模型的高速迭代，开源生态日渐成熟，整个技术格局已经发生质变。根据《斯坦福医学》的推论，大模型对医疗技术的影响正逐渐渗透到方方面面：外科医生手术技能评估与培训、药物研发、儿科心脏功能评估、远程皮肤病诊断……几乎每个细分领域都在尝鲜。

“在医疗领域，以人为中心的医疗大模型，核心价值在于它的生成、推理和交互能力。”俞磊解释道，这些能力能够为医疗专业人员、患者以及科研人员提供实实在在的帮助。具体来说，大模型能跟医护人员协同工作，提升诊疗效率、医疗质量和患者满意度；能帮医生快速处理大量数据——病历、检验结果、影像报告，从而提高诊断的准确性和效率；还能预测疾病风险、制定个性化治疗方案；甚至在远程医疗、患者自我管理和健康教育方面，大模型也有用武之地。

医院大模型的选择和应用

那么，像六院这样的大型医院，到底该怎么选大语言模型？俞磊认为，有几个硬指标必须满足。首先，模型得能处理医疗专业语言——这直接关系到患者生命健康，医学本身的专业壁垒极高，术语体系庞大，模型如果连“心肌梗死”和“心肌炎”都分不清楚，那就谈不上应用。其次，医疗数据高度敏感，模型必须保障数据安全和患者隐私。第三，模型还应该能与医院现有的业务系统深度融合，否则再强的AI也落不了地。总结下来，合适的大模型需要具备四个特性：高度专业性、可定制优化、能私有化部署，以及与业务系统无缝对接。

“围绕公立医院高质量发展的目标，用高质量的医疗数据对模型进行训练和微调，完全可以打造出一个专病或专科大模型。”俞磊谈到，这样的模型能直接提升医疗服务质量、优化流程、提高技术水平，还能为科研创新和人才培养提供强力支撑。目前医院常用的模型有三类：专病专科大模型（聚焦特定疾病，用专科病历数据训练）、医疗领域大模型（涵盖医学文献、论文、临床数据），以及通用大模型（训练语料主要来自互联网）。

俞磊特别强调，医疗数据极为敏感，部署大模型必须把安全性放在首位，同时还要兼顾响应速度和处理效率，不能因为AI的引入反而拖累临床流程。此外，“大模型本身也有技术局限，”他提醒，应用过程中必须关注模型的健壮性、公平性、校准问题以及是否存在虚假偏差等风险。

医院大模型应用探索实践

大模型在医疗行业的真正价值，最终要落到业务上。俞磊的观点很明确：让大模型改变医疗应用的交互模式、改善患者的就医体验，这才是关键。具体而言，这些价值体现在诊前、诊中、诊后和医疗管理四个环节。

在互联网门诊场景中，大模型的落地路径非常清晰：

——通过引导式对话加自由式问答，大模型能帮患者充分采集复诊信息，自动生成结构化病历，医生一键就能引用，线上就诊效率大幅提升。

——诊疗形态会发生变化，大模型作为医生助手，能快速整理出更具逻辑性和可读性的检索内容，帮医生节省大量翻阅资料的时间。

——大模型可以衍生出两类服务助手：面向患者的诊后服务助手，充当虚拟医生，提供用药咨询、操作指导、报告解读、健康指导等；面向医生的健康管理助手，辅助完成患者全周期的个性化健康评估、健康教育处方、营养指导，还能自动完成随访管理。

不过，俞磊也抛出了一个值得深思的问题：“当临床越来越依赖大模型的支持，一旦模型出现问题，带来的系统性风险该如何化解？这是信息技术部门必须提前想清楚的。”技术再好，安全和兜底机制不能缺位。这恐怕是所有医疗AI应用都要面对的终极考卷。