2025年两会提出，要“强化基本医疗卫生服务”。建立优质高效的医疗卫生服务体系，筑牢人民健康基石，已成国内医疗行业的重中之重，AI、大数据等创新数字化技术的发展，则是推动我国数字医疗发展进一步突破和发展提供的关键动力。

过去的一段时间里，AI技术已经渗透到我们生活的方方面面，尤其在医疗领域，其影响力日益显著。特别是DeepSeek出现之后，更是为AI技术发展带来了新的可能性。

从20世纪50年代AI概念的提出，到近年来模型的不断演进，特别是2022年底ChatGPT的横空出世，让我们看到了通用AI（AGI）的可能。

2023-2024年间，更是掀起了“百模大战”，各家科技公司争相推出自己的大模型，通用大模型和垂类大模型百花齐放。而到了2025年，DeepSeek以其惊艳的效果、先进的思考模式和更小的算力消耗优势脱颖而出，摆脱了算力封锁，成为AI领域的新星。

目前，AI在医疗领域的应用已经取得了显著的成果，比如临床辅助决策、药物研发、医学影像、智能病历、个性化健康管理、中医智能化等方面，都已经借助AI算法、数据分析及大模型技术实现了改善及现代化推进：

• 临床辅助决策：利用AI算法，辅助医生进行诊断和治疗方案的选择，提升医疗决策的准确性和效率，减少人为失误。

• 药物研发：通过数据分析，加速新药的研发过程，预测药物的作用机制和效果，从而缩短研发周期，降低成本。

• 医学影像：借助深度学习模型，自动分析医学影像，如X光、CT等，快速发现异常，辅助医生进行诊断。

• 智能病历：应用AI技术自动化处理和分析病历数据，帮助医生快速提取关键信息，提高病历管理效率，改善医疗服务质量。

• 个性化健康管理：结合大数据和AI，提供个性化的健康管理方案，监测个人健康状况，进行疾病预防和健康干预。

• 中医智能化：运用AI技术，结合传统中医理论，开发智能化中医诊断和辅助治疗系统，推动中医现代化。

尽管AI在医疗领域的应用前景广阔，但仍面临着如数据难题、算法&技术、人才队伍建设、安全规范等诸多挑战。

首先，数据难题分别包括数据整合、数据壁垒、数据隐私与安全：

• 数据整合——医疗数据分布在各个医疗机构和部门，如同散落的拼图碎片，难以整合到大型综合数据库中。这不仅导致了数据的利用率低下，也使得AI在分析和学习时难以获取全面、准确的信息。

• 数据壁垒——医疗机构、政府部门以及社会第三方机构之间的数据共享机制尚未完全建立，数据的重复生产、采集归档效率偏低等问题突出。

• 数据隐私与安全——医疗数据涉及患者个人隐私，如何在保障个人隐私的前提下合理使用数据是一大挑战。目前的监管措施在防范数据泄露方面还存在不足，相关的法律法规也有待完善。

其次，算法&技术方面问题包含算法偏见、算法可解释性以及技术标准和安全性。同时，如何使传统临床决策支持系统（CDSS）与AI更好地结合，以及如何判断算法的合理性、模型的有效性、算力资源匹配的准确性等，都是亟待解决的问题。

• 算法偏见——AI的决策是基于算法得出的，而算法的设计和训练可能会受到数据偏差、算法模型等因素的影响，从而导致决策的不公平。这种算法偏见可能会导致患者的权益受到损害，也会影响医疗服务的公平性。

• 算法可解释性——很多AI算法如同“黑箱”，其决策过程缺乏透明度。在医疗领域，尤其是诊断和治疗方面，医生和患者往往需要了解决策背后的逻辑。

• 技术标准和安全性——目前医疗AI领域缺乏统一的技术标准和评估体系，其安全性、有效性和稳定性需要经过严格验证。

第三，信任与接受度问题，包括患者信任度、医生接受度，以及医院对AI的理解和认识。

• 患者信任度——患者往往更倾向于相信人类医生的诊断和治疗。AI虽然可以通过对患者个人情况的连续记录和数据分析提供个性化的诊疗服务，但在心理和情感疏导方面却无能为力。

• 医生接受度不一——AI的出现可能会让一些医生感到自己的职业地位受到威胁。同时，医生在使用AI系统时，也需要对其结果进行验证和判断，这增加了医生的工作负担。如果AI系统的准确性和可靠性不能得到充分的保证，医生对其的信任度也会大打折扣。

再有，就是人才队伍建设及规范等相关问题：

• 复合型人才匮乏——AI与医疗的融合需要既懂医疗又懂AI技术的复合型人才，但目前这样的人才十分短缺。

• 在职医疗人员数字技能培训不足——医疗行业的技术更新换代速度较快，在职医疗人员需要不断学习和掌握新的技术和知识。然而，目前针对在职医疗人员的数字技能培训还不够系统和全面，这使得他们在使用AI系统时可能会遇到困难。

其他还包括资源分配、跨学科合作设备成本等方面挑战，医疗AI的发展需要医学、工程学、计算机科学等多个学科的紧密合作，这要求打破学科壁垒，建立有效的合作机制。

尽管面临不少挑战，但我们也看到了AI为医疗行业带来的机遇——特别是DeepSeek的“横空出世”，已经让其作为AI界的佼佼者，在多个领域展现出强大的能力。在医疗行业，DeepSeek正凭借其强大的数据处理和分析能力，在多个医疗场景中发挥着重要作用。

DeepSeek作为一款智能医疗辅助工具，当前在医疗领域中已经落地了多个具体场景，包括临床知识总结、文件数据分析、辅助诊断、处方审核、检验结果解读、影像报告结构化输出、患者教育材料生成、临床路径优化建议、分诊智能决策、医工科应用等场景。

目前，国内不少医院已经积极接入DeepSeek，成功实现以上场景。比如在华西医院，DeepSeek助力发布了医学大模型及AI智能体“睿兵Agent”及“华西黉医”医学大模型，这些成果实现了健康知识普及、疾病全程管理、科研辅助支持三大功能；北京协和医院的罕见病AI大模型“协和·太初”已正式进入临床应用，其跨学科大模型团队研发了主动感知交互、鉴别诊断以及“数据+知识”混合驱动等技术，并成功引入DeepSeek-R1的深度推理能力，构建起罕见病诊疗的智能基座；郑州大学第一附属医院此前已宣布接入DeepSeek，上线了“郑小医”AI就医助手，在就医场景中，涵盖了从导诊、诊断、治疗、手术辅助决策、用药记录生成、报告解读到康复等全流程服务......

目前，DeepSeek已经在多家医院部署，并且未来可以拓展到更多应用场景。在通用场景中，医护人员可以利用DeepSeek进行辅助疾病诊断、生成医疗文书、查询医学知识等，涵盖AI+医生工作站、AI+护士工作站、AI+药品管理系统、AI+耗材设备管理系统、AI+采购管理、AI+计算机运维、AI+医院运营管理系统等多个方面。医疗管理人员可以借助DeepSeek进行病例合规检查、处方合理性审核、文书书写等。科研人员则可以在文献检索与分析、论文撰写辅助等方面得到帮助。

随着技术的不断进步和创新，DeepSeek将继续为医疗行业带来更多的可能性和价值。也期待DeepSeek能够在更多医疗机构得到广泛应用，为患者提供更加优质、高效、便捷的医疗服务，推动医疗行业的智能化发展迈向新的高度。

为了进一步推动医学领域数字化转型进程，探索DeepSeek等AI技术赋能医疗创新及融合之道，4月19日，由CIO时代主办、新基建创新研究院作为智库支持的“酒仙桥论坛——医疗分论坛”活动将于北京举办，现场将邀请相关领域专家学者及CIO班学员们聚焦AI+医疗，分享医疗行业数字化转型成果，探索DeepSeek热潮下的医疗数字化转型新未来。

活动详情

↓↓↓


活动商务合作