在近日召开的第29届中国医院信息网络大会(CHIMA 2025)上,中山大学肿瘤防治中心副院长孙颖教授发表《从火热到冷静:大语言模型浪潮中的肿瘤诊疗实践与思考》主题演讲,首度公开分享该院在大模型应用领域的路径及阶段性成果。中肿以临床刚需锚定技术路径,以高质量数据筑牢智能底座、以人机协同重构诊疗范式,联合AI医疗企业医渡科技成功构建覆盖肿瘤诊疗全流程的智能化体系,实现了从数据应用到辅助决策的多场景突破。
高质量大数据是大模型的“护城河”
国家癌症中心发布的最新报告数据显示,我国2022年癌症新增病例约480万(占全球总数约24%),相当于每天超过1.3万人被诊断为癌症,癌症死亡病例约260万(占全球总数超26%),发病率与死亡率持续位居全球首位,肿瘤防控形势严峻。国家亦高度重视癌症防治工作,面对《健康中国行动—癌症防治行动实施方案(2023—2030年)》提出的“到2030年,总体癌症5年生存率达到46.6%”的攻坚目标,传统诊疗模式亟待突破。
孙颖教授指出,肿瘤诊疗是AI优秀的应用场景——其多模态(病历、影像、病理、组学)、高动态(单患者随访最长达40年)、超规模(分子诊断单次数据量超50G)的数据特性,为AI训练提供了天然燃料。此外,从预防、筛查到诊断、治疗、康复,肿瘤诊疗链条的复杂性催生出了多层次AI应用场景。
2025年初,DeepSeek掀起新一轮大模型应用的浪潮。从头部医院到区域中心再到基层机构纷纷入局,形成阶梯式渗透、生态化演进的态势。孙颖教授分享道,中肿在春节期间与医渡科技达成合作,于2月27日迅速完成DeepSeek-R1 671B满血版大模型及医渡AI中台的本地化部署,并在医生工作站上线了肿瘤专科诊疗助手,深度整合病历生成、辅助决策等核心场景,实现从标准诊疗流程到个性化需求的全覆盖。
“高质量的大数据是护城河。”孙颖教授强调。过去10年来,中肿依托技术合作伙伴的YiduCore核心算法引擎,建成国内首个T+0实时更新的肿瘤大数据平台,整合50余个业务系统,打造成覆盖200多万患者全病程的医疗数据“活地图”。过去,高质量的大数据已深度赋能了医院临床及科研工作,肿瘤专科患者全景时间轴嵌入20余个业务系统,日均访问量超过4.5万次;医院43个专病库年检索量逾200万次,累积支撑3600个科研项目。
在此次医疗大模型的价值验证过程中,高质量数据再次证明其不可替代的锚定价值。以TNM分期场景为例,通用模型需人工提供MRI、超声、病理、症状、治疗史等多类离散数据,而中肿上线的辅助决策助手可自动关联患者数据,生成符合权威指南的可溯源分期建议。
临床智能化的破局之道:场景化攻坚与体系化创新
孙颖教授在演讲中详细分享了中肿与医渡科技合作攻克大模型落地挑战的实践经验:
需求分化挑战:统一建设的模型或应用常难以满足专科医生对专业深度的需求,也难以适配不同年资、岗位医生的场景差异。为此,医渡科技助力中肿上线"我的智能助手"应用,允许医生根据个人诊疗经验自主选择患者数据、配置业务流程逻辑,按需搭建个性化智能体,真正将AI设计权交还临床一线。该功能上线60天内快速孵化百余个临床智能体,应用场景覆盖MDT协作、患者宣教等领域,且每日新增智能体数量持续攀升。
大模型“幻觉”挑战:孙颖教授强调,“幻觉”是医疗场景最不能接受的缺陷。AI医疗在应用中出现 “幻觉”,主要归因于技术随机性、训练数据噪声、人机交互误导及认知边界模糊。对此,医渡科技技术团队构建三级防控体系——通过多级数据清洗与权威知识注入优化训练过程,结合逻辑验证链与动态风险标签系统强化推理严谨性,建立多维评测体系确保事实准确性与决策透明度,系统性化解"幻觉"风险。
例如传统纯提示词驱动的大模型在病历生成中存在数据捏造、速度迟缓、超上下文窗口、格式不规范等问题。中肿上线的智能病历书写功能可以实时查询全量病历,并基于医渡科技沉淀的疾病知识图谱实现诊疗事件精准提取,不仅规范病历书写减少错误,更将病历生成耗时从5分钟压缩至30秒。
这样的防“幻觉”体系亦应用在了辅助决策场景中,针对通常肿瘤TNM分期评估存在的多源异构数据筛选挑战、医学专业性与生成偏差、决策溯源机制缺失、分期标准迭代滞后、多版本知识库兼容等问题,医渡科技打造的辅助决策助手通过瘤种判定、RAG技术扩充领域知识、链式推理及智能反思机制工作流,提高决策专业性及可解释性,减少误判。
数据治理进阶:为应对医院"大体量、多类型、全维度"数据处理与"精准、稳定、高效"应用需求的双重挑战,中肿创新尝试基于分级注意力机制的动态上下文管理方案,同时自定义智能助手应用也可以按场景要求不同,决定数据量和范围。
知识进化体系:医学知识迭代速度快,但大模型训练数据存在时限性,同时新知识需与现有体系整合。中肿通过内外双循环,内部实现多层次知识库架构,包含核心稳定知识层和动态更新层,外部利用知识检索增强技术,让大模型实时获取最新知识。
患者服务智能化:在如何利用大模型更有效地服务患者方面,孙颖教授提到通过基于大模型的就医助手,患者可以享受到智能客服、智能分导诊和报告解读等便捷功能,从而简化就医流程。此外,患者病历的智能总结和关键指标知识的查看功能,能够帮助患者更清晰地了解自身健康状况,而个性化的患教推送则进一步增强了患者的获得感和参与感,使患者能够更主动地管理自己的健康。这些智能化举措共同致力于提升患者的就医体验和满意度。
展望未来,中肿将与合作伙伴携手,继续深化多模态大模型的应用,加强数据整合与智能化分析,并积极探索前沿技术,推动肿瘤诊疗向更高精度和个性化发展。我们有理由相信,在AI技术的助力下,肿瘤专科诊疗将迈入一个全新的智能化时代,为患者带来更多希望与福祉。同时,中肿的实践经验也将为其他医疗机构提供宝贵的借鉴与启示,共同推动医疗健康事业的创新发展。
