在AI医疗领域,“从研发到临床应用”的落地鸿沟始终存在。如今,大模型时代的到来,医渡科技以30余家三甲医院的深度实践给出破局路径:通过“模块化能力拆解”与“场景化深度适配”,正在打通从技术研发到临床应用的“最后一公里”,让AI从概念验证真正走向临床场景的价值创造。
2025CHIMA大会上,医渡科技正式发布AI中台2.0升级版本。医渡科技政医事业部技术创新副总裁、AI架构师李林峰博士在现场解读时指出,基于该平台构建“大模型协同管理-小模型灵活调用-工具知识深度集成”的立体化能力体系,正在成为医疗AI应用规模化落地的核心引擎。
大模型时代,需要怎样的医疗AI应用?
在传统认知中,大模型的优势在于“通用能力”,但医疗场景的特殊性恰恰需要“精准定位”。“临床场景对AI的需求是碎片化、专科化、流程化的。”李林峰指出,医疗领域不存在“万能模型”,而是需要构建多类型模型协同的体系。
他表示,构建医疗AI应用需要多种能力的大模型、大模型微调能力、整合机器学习小模型、工具及医学知识的能力。同时,除了通用的AI工具,医疗AI中台更应该包括医学内容与能力。
基于此,医渡科技对AI中台进行了全方位升级:
大模型管理与应用升级:AI中台2.0可实现多种大模型统一管理,实现对通用开源、医疗垂域、场景增强及用户自主训练等各类大模型的接入、服务管理与API开放。基于部分医院有增强专科疾病或特定场景能力的需求,医渡科技构建大模型训练平台,支持利用医院自有数据训练大模型。
算子中心打造:提供编程类、知识类、数据类、AI算法类等不同类型的算子工具,与大模型、工作流协同打造可完成复杂任务的AI服务。
医学知识中心打造:AI中台2.0的知识中心整合医学临床指南、文献、知识图谱等内容,并持续更新供用户共享,方便智能体应用打造直接引用。
技术升级:在文档处理、检索增强(RAG)、大模型幻觉控制等方面针对医学场景做了深度优化,可以取得更佳的应用效果。
标准智能体打造:打造面向分诊导诊、报告解读、病历结构化、指南解读等不同场景的标准智能体,满足医院开箱即用的需求。
除了标准智能体,医渡科技还研发了大模型临床助手应用,可以集成到医生工作站与患者数据关联,辅助医生完成病历书写、病情评估、诊疗决策等工作,大大提高医生工作效率。
临床落地,从“能用”到“好用”的实践突破
大模型多任务引擎的技术特质让医疗机构全面实现智能化成为可能。然而,大模型在医疗场景中的应用面临诸多挑战,如何统一管理多种不同类型的大模型、如何利用医院数据进行模型微调、如何保证知识库检索的效果避免幻觉、如何与数据打通并整合传统AI技术,都是大模型医疗应用过程中亟待解决的问题。
医渡科技AI中台2.0 以“深度嵌入工作流,解决实际问题”为核心理念,打造形成可落地的智能助手,覆盖诊前-诊中-诊后全场景,实现精准化、个性化和高效化的医疗服务升级:辅助医生制定治疗方案、加速临床研究、优化患者就医体验等,推动医疗机构数字化转型。
在实践中,某血液病医院的AML人工智能辅助诊疗系统,通过大模型配置、提示词管理及关联知识库,实现智能对话与诊疗方案生成,提升诊疗的精准性与效率;某肿瘤医院的AI药师,基于 DeepSeek-R1 模型与提示词规则,提供用药咨询服务,确保用药安全;某肿瘤医院的智能客服助手通过问题分类与医渡大模型-Pro版,对接知识库解决患者预约、服务咨询等常见问题,均展现了大模型在提升诊疗精准性、用药安全性与患者体验方面的实际价值。
这些实践案例不仅验证了医渡科技AI中台2.0在医疗场景中的技术适配性与临床实用性,更标志着行业成功迈过医疗AI从“可用”到“好用”的关键技术拐点。
医疗AI新范式,医院主导与技术赋能的双向奔赴
医渡科技在30余家医院的实践中探索出医疗AI落地的一套方法论——成功的医疗AI应用必须构建“医院主导、技术赋能”的双轮驱动模式。
通过“临床需求驱动技术实现”的正向循环,既确保AI应用贴合实际临床需求,又充分释放技术团队的专业势能,使AI应用真正扎根于医疗一线。
这种合作范式在实践中释放出强大效能:科室医生可像“拼乐高”般快速定制专属智能工具,真正掌握需求主导权;技术团队则聚焦降低开发门槛,让每个科室都能成为AI创新的主体,最终形成从需求产生到应用落地的完整闭环。
这种双向赋能模式不仅激活了医院的创新潜能,还为AI医疗生态的可持续发展提供了可复制的范本。
“医疗AI的价值不在于模型参数的‘大’,而在于临床价值的‘实’。” 李林峰在演讲中表示,医渡科技AI中台2.0的实践,正是让AI技术回归医疗本质:让医生少一些简单重复工作、多一些智能风险提示和决策支持;让患者少一些迷茫和无助,多一些认知理解和关怀。
随着越来越多医院的深度参与,这种“从场景中来,到场景中去”的落地范式,正在为我国医疗AI的规模化应用奠定坚实基础,推动“AI 辅助诊疗”从概念走向普惠。
