盘古大模型驱动医疗科技创新，铸就医患互联的智慧医疗生态

文章来源：《确定性运维2.0案例集第3期》

      一、业务背景

R公司是国内领先的医学实验室综合服务商，致力于智慧检验、医疗服务。随着智能化转型深入，其积极探索大模型智能化应用，提升医疗服务质量和效率。R公司通过与华为云合作，在诊疗流程中挖掘潜在应用点，借助云平台高性能和灵活性优化AI应用，使AI更高效、精准地服务医生和患者，构建涵盖知识问答、报告解读、影像结构化、辅助医疗等多场景的强大医学大模型。

      二、业务现状

医疗领域正面临着数字化、智能化转型的多重机遇与挑战，业务聚焦于通过智能化和数据驱动的技术手段来提升诊疗效率和服务质量。R公司在行业深入推进数字化转型，但在数据处理与存储性能、数据安全与隐私保护、法规合规性以及高可用性与可靠性支持方面仍面临着智能化发展的多重挑战。

      数据处理与存储性能：医疗数据量大，需在云端确保结构化存储与高效计算，以适应高并发场景，保证实时性和准确性。

      数据安全与隐私保护：医疗数据含有敏感信息，需满足严格的安全法规，防止泄露和非法访问，同时保障本地机密存储与数据隔离。

      法规合规性：系统部署需符合医疗行业的法律监管，持续监控合规性，确保数据在存储、传输和使用中的合规。

      高可用性与可靠性支持：医疗服务对系统的连续性和稳定性有着极高要求，系统必须保持高连续性，特别是在紧急情况下，通过容灾机制和故障恢复保障不中断的服务交付。

      三、解决方案实践

R公司通过与华为云的合作不仅在技术上寻求突破，更是在整体服务能力和市场竞争力上实现全面提升，在多个场景下有效应对当前的挑战，实现更高水平的服务交付与价值创造。

华为云与R公司合作构建了一个以AI为核心的多层次解决方案框架。该框架包括专业服务、经验即服务、行业大模型和数据平台等模块，覆盖从需求分析到模型开发、部署、维护的全流程。华为云提供强大的医疗健康、数据管理和模型应用支持；R公司应用服务则包含智慧检测、生成式病历和AI诊断，满足医疗需求。整体架构强调医疗数据管理和病历结构化处理，结合OCR、语音识别等AI模型，注重数据隐私和系统稳定性，以优化医疗服务。

     场景应用一：良医小X(知识问答+检查报告解读)

基于小X检验助手开展医疗检验相关的智能问答及检验报告解读工作，盘古大模型为其提供中控意图识别能力和问答模块。通过这种方式实现降本增效，尤其是减少检查单解读过程中的人力投入，进而提升业务能力。

      1.  需求理念与方案设计

• 智能中控+意图识别：通过AI咨询服务设计整个模块的应用，引入盘古大模型中控意图识别模块，利用盘古N1高精度模型识别用户意图，保障与用户交互时精准识别检验相关问题、约束回答范围，进而识别诊疗应用点。
• 风控和内容可信性保障：内容生成时设风控拦截模块，自动识别并屏蔽风险及非医学问题。同时，利用人设、检索模块和 AI 使能服务优化输出结构与模型推理速度，使模型回答有可信医学知识支撑，提升用户体验。
• OCR+医疗知识库：利用云端资源并结合 OCR 技术，对用户上传的检验报告数据进行结构化处理，同时借助知识问答模块实现智能解读，为报告解读和用户医疗知识互动提供更便捷的途径。

      2.  业务提升

• 成本降低：小X检验助手能够有效减少人工在报告解读和知识答疑方面的投入，提升日常服务效率。
• 解读效率提升：通过中控意图识别和OCR识别，用户上传报告后能快速解读，包括部位、特征名称、特征值、特征单位等信息，缩短用户等待时间，改善用户体验。
• 精准医疗服务保障：借助N2模型生成的专业问答服务和检索模块保障内容可信性，为用户提供更具可信度的解读服务，增强医疗检验结果解读的专业度和可靠性。

      3.  关键经验分享

• 高效的意图识别：N1模型验证结果表明，构建精确的中控意图识别模块可显著提升模型对用户需求的响应速度与准确性，让模型在交互中能智能理解并响应检验相关问题。
• 多重内容风控保障：风控拦截、检索模块与人设模块的联合应用，可对回答内容的可信性进行多重把关，从而在模型交互时进一步确保用户能获得可靠、专业的医疗建议。
• OCR结合知识问答模块的流程优化：通过将OCR解析报告数据和模型回答进行集成设计，可提高检验报告解读过程的自动化程度，使其更易于用户使用，符合医疗应用场景智能化、流程化的需求。

      场景应用二：影像报告结构化

      1.  需求理念与方案设计

• 标准化标注流程咨询：为客户提供数据标注标准化流程咨询服务，助其建立统一标注规则规范，确保数据一致，优化后续模型训练的基础数据输入，从源头上保障模型性能。
• 数据驱动的模型训练：依赖专业科室医生进行数据标注，结合 N2模型的强大性能，减少后期工程处理需求，实现高效的模型训练与应用，加速系统部署周期。
• 分层评测标准：采用5分制评测标准，精准评估模型在影像报告结构化中的表现，明确各项评分标准以指导后续改进。

      2.  业务提升

• 减少人力和时间成本：模型的应用减少对标注人员的依赖，缩短数据构建周期，显著加快项目开发进度。
• 扩展应用范围：标准化标注与高效模型相结合，未来可实现多医院接入，保证整体准确率和召回率在90%以上，为更广泛的医疗场景提供支持。

      3. 关键经验分享

• 专业团队协作：提供跨专业团队协作咨询服务，整合专业科室医生知识技能并与标准化标注流程结合，有效提升训练数据质量和精度，保障模型训练效果。
• 数据标注的高效性：统一的标注规则可减少数据标注过程中的混乱，使标注工作更加高效，从而加速模型开发。
• 持续优化评测机制：通过明确评测标准和定期效果反馈，优化模型性能和训练流程，增强模型在云端应用中的可靠和稳定性，满足在复杂场景下的部署。

      场景三：辅助诊疗场景

      1.  需求理念与方案设计

• 数据分层管理：提供数据分层管理咨询服务，将患者病情信息分为固定信息和时间线信息，便于系统管理和输入模型，保障模型接收完整且重点突出的病程信息。
• 超长Token优化处理：针对复杂场景提供使能优化方案，对于Token超长情况，采用截取近期病程信息和摘要概括的方法控制输入长度，提高模型处理长文本能力。
• 高效数据聚合与输入构建：通过多次病程信息构建输入，借助N2模型的医疗能力，实现多类诊断和治疗的决策支持，助力医疗决策的系统化自动化。

      2.  业务提升

• 提高诊断精确性：基于N2模型的医学能力和多次病程聚合输入，提升辅助诊断准确性，增强医生诊断决策支持力。
• 优化模型计算效率：通过病程信息摘要和信息截取处理方式，优化长文本输入，减少计算消耗，提高模型响应速度。
• 实现复杂信息的有效管理：通过分层信息处理与高效输入构建，确保复杂病程数据被有效解析和利用，提升诊断模型适应性。

      3.  关键经验分享

• 数据结构化与标准化：有效的数据结构化和分类整理可以帮助模型更好理解信息，提高诊断结果准确性。
• 精细化信息截取：对长文本内容进行摘要和截取是处理超长Token输入的有效方法，保证了信息的完整性，满足模型长度要求。
• 模型选择与微调：N2 模型在医学领域性能良好，结合微调训练可进一步提升其专业能力。可在医学等高专业性领域充分验证该模型的基础能力。

      四、业务提升

 R公司与华为云合作，经需求调研和方案定制，精准定位诊疗智能化服务。引入盘古大模型中控意图识别和OCR模块后，报告解读效率提高约 50%，实现智能问答和报告解读自动化。在影像报告结构化场景中，N2 模型高效训练使心超和甲状腺影像准确率超95%。辅助诊疗场景的超Token优化处理方法保障了诊断精确性，增强医生诊疗决策支持能力。

      五、案例总结

 R公司与华为云携手，成功落地知识问答、检查报告解读、影像报告结构化、辅助诊疗等智能化医疗解决方案。针对医疗数据处理、存储难题及安全隐私保护、高可用性与可靠性需求等问题，在知识问答场景利用盘古大模型识别意图，并结合 OCR 和医疗知识库提升解读效率与准确性；在影像报告结构化场景引入标准化标注流程和高性能模型提高影像识别精度；在辅助诊疗场景通过信息分层管理和 Token 优化处理实现复杂病程信息的高效管理与计算。这一系列方案提高了诊断精度、降低人力成本，实现医疗数据智能化、结构化管理，为其智能化转型和服务质量提升创造了显著的业务价值。