腾讯医疗AI重塑临床工作流：基于大模型的效率跃升与全场景数字化实践

破解临床系统高负载困局与数据整合瓶颈

在医疗机构的日常运转中，临床服务与医院管理正面临高度依赖人工、数据碎片化以及知识迭代带来的多重业务瓶颈：

• 医疗文书撰写挤占临床资源： 住院医师每天需花费超过50%的时间（大于4小时）撰写病历，严重压缩了面对面医患沟通与临床检查的时间。
• 多源数据整合与质控受阻： 医疗记录涉及患者基本信息、会诊、手术及病程记录等海量多源数据，导致系统性数据整合及质量控制变得异常复杂。
• 年轻医师规范化与高年资医师认知过载冲突： 年轻医生在时间紧迫下难以快速产出符合规范的高质量病历；而面对庞大的患者基数与复杂的病情，高年资医生的记忆负担极重，且在快速更新的医疗知识体系下面临学习压力，导致复杂病例存在漏诊和误诊风险。

部署全矩阵医疗AI辅助系统与云端协同平台

为应对上述瓶颈，腾讯依托医疗大语言模型（Medical LLM）与医疗影像AI，构建了覆盖患者服务、临床辅助及医院管理的软硬一体化解决方案：

• GenAI医生智能助手 (Doctor Copilot)： 提供AI驱动的检索与建议功能，结合自动文书生成，辅助疾病诊断并监控合理用药。
• Tencent AIMIS 医疗影像云与AI开发平台： 依托腾讯云底座，提供从安全存储、数据处理到模型开发的端到端服务；面向临床提供涵盖CT、眼底、内窥镜（结直肠、宫颈）的AI实时辅诊及病灶定位。
• 医院管理与患者服务智能化组件： 结合OCR、人脸活体检测的eKYC院内人员安全管理系统；基于掌静脉生物识别（Palmar Vein）的门禁、打印、支付终端；以及用于患者科普的批量化数字人生成技术，以有效控制视频制作成本。

驱动核心业务指标量化升级

通过AI技术在真实业务场景的嵌入，腾讯医疗AI在系统效率与诊断精准度上实现了具体指标的显著提升：

• 文书生成效率实现秒级跨越： AI助手能够在5秒内自动生成包括门诊病历、住院病历、出院小结及体检报告在内的各类医疗文书。
• 临床辅助知识库与识别精度： 临床AI助手已积累数百万医学知识，具备3,000多种疾病推导能力，涵盖70,000多种药物信息，其结构化识别准确率超过97%。
• 专科影像AI检出率达标： 在眼底疾病AI辅助系统中，针对青光眼及7种常见眼底疾病，模型的敏感度达到96%，特异度达到92%。
• 知识问答解析能力跃升： 针对院内知识库（指南、管理规范、FAQ），专属知识助手基于首创的语义分割大模型，相较传统正则分割方法，解析识别准确率提升30%，回答完整度提升20%，并能精准处理包含数万行、数百列的超大复杂表格及图文混排PDF。

验证医疗大模型与AI影像的临床落地价值

目前，腾讯医疗AI已支持超过1,000家中国医院（包括复旦大学附属华山医院、中山大学附属第一医院等）建设智慧医院，并在以下真实场景中产生明确的业务价值：

• 上海交通大学医学院附属瑞金医院（中国Top 5医院）： 与腾讯合作构建私有化医疗大模型，成功实现病历结构化以及住院病历的自动生成。
• 上海长海医院与温州市中心医院： 部署结直肠息肉AI辅助检测系统（实现内窥镜实时视频流的病灶框选）。上海长海医院消化内科主任李兆申教授对此评价：“新发布的结直肠肿瘤筛查AI系统能够辅助医生提高筛查准确率并缩短筛查时间。”
• 深圳市宝安区中心医院： 于2018年11月正式启动基于腾讯AI的社区糖尿病视网膜病变筛查项目。
• 中国老年医学学会： 在2023年5月的“革命老区健康行”义诊活动中，使用该AI系统为100多名山区居民进行筛查，成功识别出20%的高风险患者。

夯实底层大模型与合规认证的技术壁垒

• 大模型技术领先性： 影像报告的深度解读由腾讯混元大模型（Tencent Hunyuan）提供底层算力与语义理解支持；在专属知识分析场景中，使用的PEG检索模型在MTEB中文开源榜单中荣获第一名。
• 医疗器械合规资质： 其“AI驱动的CT肺炎检测”已获批中国国家药监局（NMPA）三类医疗器械注册证；眼底青光眼检测、结直肠息肉检测均已提交三类医疗器械注册申请；宫颈阴道镜AI已进入三类医疗器械临床试验阶段。