孫穎副院長詳解中腫大模型落地路徑：AI賦能腫瘤?？圃\療邁入智能化新時代
2025-05-27
在近日召開的第29屆中國醫(yī)院信息網絡大會(CHIMA 2025)上，中山大學腫瘤防治中心副院長孫穎教授發(fā)表《從火熱到冷靜:大語言模型浪潮中的腫瘤診療實踐與思考》主題演講，首度公開分享該院在大模型應用領域的路徑及階段性成果。中腫以臨床剛需錨定技術路徑，以高質量數(shù)據筑牢智能底座、以人機協(xié)同重構診療范式，聯(lián)合AI醫(yī)療企業(yè)醫(yī)渡科技成功構建覆蓋腫瘤診療全流程的智能化體系，實現(xiàn)了從數(shù)據應用到輔助決策的多場景突破。
高質量大數(shù)據是大模型的“護城河”
國家癌癥中心發(fā)布的最新報告數(shù)據顯示，我國2022年癌癥新增病例約480萬(占全球總數(shù)約24%)，相當于每天超過1.3萬人被診斷為癌癥，癌癥死亡病例約260萬(占全球總數(shù)超26%)，發(fā)病率與死亡率持續(xù)位居全球首位，腫瘤防控形勢嚴峻。國家亦高度重視癌癥防治工作，面對《健康中國行動—癌癥防治行動實施方案(2023—2030年)》提出的“到2030年，總體癌癥5年生存率達到46.6%”的攻堅目標，傳統(tǒng)診療模式亟待突破。
孫穎教授指出，腫瘤診療是AI優(yōu)秀的應用場景——其多模態(tài)(病歷、影像、病理、組學)、高動態(tài)(單患者隨訪最長達40年)、超規(guī)模(分子診斷單次數(shù)據量超50G)的數(shù)據特性，為AI訓練提供了天然燃料。此外，從預防、篩查到診斷、治療、康復，腫瘤診療鏈條的復雜性催生出了多層次AI應用場景。
2025年初，DeepSeek掀起新一輪大模型應用的浪潮。從頭部醫(yī)院到區(qū)域中心再到基層機構紛紛入局，形成階梯式滲透、生態(tài)化演進的態(tài)勢。孫穎教授分享道，中腫在春節(jié)期間與醫(yī)渡科技達成合作，于2月27日迅速完成DeepSeek-R1 671B滿血版大模型及醫(yī)渡AI中臺的本地化部署，并在醫(yī)生工作站上線了腫瘤?？圃\療助手，深度整合病歷生成、輔助決策等核心場景，實現(xiàn)從標準診療流程到個性化需求的全覆蓋。
“高質量的大數(shù)據是護城河?！睂O穎教授強調。過去10年來，中腫依托技術合作伙伴的YiduCore核心算法引擎，建成國內首個T+0實時更新的腫瘤大數(shù)據平臺，整合50余個業(yè)務系統(tǒng)，打造成覆蓋200多萬患者全病程的醫(yī)療數(shù)據“活地圖”。過去，高質量的大數(shù)據已深度賦能了醫(yī)院臨床及科研工作，腫瘤?？苹颊呷皶r間軸嵌入20余個業(yè)務系統(tǒng)，日均訪問量超過4.5萬次;醫(yī)院43個專病庫年檢索量逾200萬次，累積支撐3600個科研項目。
在此次醫(yī)療大模型的價值驗證過程中，高質量數(shù)據再次證明其不可替代的錨定價值。以TNM分期場景為例，通用模型需人工提供MRI、超聲、病理、癥狀、治療史等多類離散數(shù)據，而中腫上線的輔助決策助手可自動關聯(lián)患者數(shù)據，生成符合權威指南的可溯源分期建議。
臨床智能化的破局之道:場景化攻堅與體系化創(chuàng)新
孫穎教授在演講中詳細分享了中腫與醫(yī)渡科技合作攻克大模型落地挑戰(zhàn)的實踐經驗:
需求分化挑戰(zhàn):統(tǒng)一建設的模型或應用常難以滿足?？漆t(yī)生對專業(yè)深度的需求，也難以適配不同年資、崗位醫(yī)生的場景差異。為此，醫(yī)渡科技助力中腫上線"我的智能助手"應用，允許醫(yī)生根據個人診療經驗自主選擇患者數(shù)據、配置業(yè)務流程邏輯，按需搭建個性化智能體，真正將AI設計權交還臨床一線。該功能上線60天內快速孵化百余個臨床智能體，應用場景覆蓋MDT協(xié)作、患者宣教等領域，且每日新增智能體數(shù)量持續(xù)攀升。
大模型“幻覺”挑戰(zhàn):孫穎教授強調，“幻覺”是醫(yī)療場景最不能接受的缺陷。AI醫(yī)療在應用中出現(xiàn) “幻覺”，主要歸因于技術隨機性、訓練數(shù)據噪聲、人機交互誤導及認知邊界模糊。對此，醫(yī)渡科技技術團隊構建三級防控體系——通過多級數(shù)據清洗與權威知識注入優(yōu)化訓練過程，結合邏輯驗證鏈與動態(tài)風險標簽系統(tǒng)強化推理嚴謹性，建立多維評測體系確保事實準確性與決策透明度，系統(tǒng)性化解"幻覺"風險。
例如傳統(tǒng)純提示詞驅動的大模型在病歷生成中存在數(shù)據捏造、速度遲緩、超上下文窗口、格式不規(guī)范等問題。中腫上線的智能病歷書寫功能可以實時查詢全量病歷，并基于醫(yī)渡科技沉淀的疾病知識圖譜實現(xiàn)診療事件精準提取，不僅規(guī)范病歷書寫減少錯誤，更將病歷生成耗時從5分鐘壓縮至30秒。
這樣的防“幻覺”體系亦應用在了輔助決策場景中，針對通常腫瘤TNM分期評估存在的多源異構數(shù)據篩選挑戰(zhàn)、醫(yī)學專業(yè)性與生成偏差、決策溯源機制缺失、分期標準迭代滯后、多版本知識庫兼容等問題，醫(yī)渡科技打造的輔助決策助手通過瘤種判定、RAG技術擴充領域知識、鏈式推理及智能反思機制工作流，提高決策專業(yè)性及可解釋性，減少誤判。
數(shù)據治理進階:為應對醫(yī)院"大體量、多類型、全維度"數(shù)據處理與"精準、穩(wěn)定、高效"應用需求的雙重挑戰(zhàn)，中腫創(chuàng)新嘗試基于分級注意力機制的動態(tài)上下文管理方案，同時自定義智能助手應用也可以按場景要求不同，決定數(shù)據量和范圍。
知識進化體系:醫(yī)學知識迭代速度快，但大模型訓練數(shù)據存在時限性，同時新知識需與現(xiàn)有體系整合。中腫通過內外雙循環(huán)，內部實現(xiàn)多層次知識庫架構，包含核心穩(wěn)定知識層和動態(tài)更新層，外部利用知識檢索增強技術，讓大模型實時獲取最新知識。
患者服務智能化:在如何利用大模型更有效地服務患者方面，孫穎教授提到通過基于大模型的就醫(yī)助手，患者可以享受到智能客服、智能分導診和報告解讀等便捷功能，從而簡化就醫(yī)流程。此外，患者病歷的智能總結和關鍵指標知識的查看功能，能夠幫助患者更清晰地了解自身健康狀況，而個性化的患教推送則進一步增強了患者的獲得感和參與感，使患者能夠更主動地管理自己的健康。這些智能化舉措共同致力于提升患者的就醫(yī)體驗和滿意度。
展望未來，中腫將與合作伙伴攜手，繼續(xù)深化多模態(tài)大模型的應用，加強數(shù)據整合與智能化分析，并積極探索前沿技術，推動腫瘤診療向更高精度和個性化發(fā)展。我們有理由相信，在AI技術的助力下，腫瘤?？圃\療將邁入一個全新的智能化時代，為患者帶來更多希望與福祉。同時，中腫的實踐經驗也將為其他醫(yī)療機構提供寶貴的借鑒與啟示，共同推動醫(yī)療健康事業(yè)的創(chuàng)新發(fā)展。
本文為原創(chuàng)內容，僅供知識分享之目的，若存在侵權行為或疏漏，請與本平臺聯(lián)系，我們將及時處理。如需轉載請后臺留言，需征得本平臺同意且注明來源轉載。
