- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习AI算法工程
医疗大语言模型：CareGPT
CareGPT (关怀GPT)是一个医疗大语言模型，同时它集合了数十个公开可用的医疗微调数据集和开放可用的医疗大语言模型，包含LLM的训练、测评、部署等以促进医疗LLM快速发展。 特性： 添加ChatGPT fine-tuning实现，推荐有额度的朋友在ChatGPT上进行微调实验； 支持ChatGPT-Next-Web部署微调的模型； 支持Gradio部署微调的模型； 支持LLaMA 、LLaMA-2全系列模型训练； 支持LoRA、QLoRA，包括后续PPO、DPO强化学习训练； 支持模型与知识库结合问答； 开源了超过60个医院科室的导诊材料信息； 开发了支持GPT-4/ChatGPT 模型蒸馏医学数据的工具，能够批量生成各种用于构建知识库和微调的数据； 聚合了丰富的开源医学LLM、LLM训练的医学数据、LLM部署资料、LLM测评以及相关LLM的资源整理； 我们参与了医学LLM的CMB query 列的内容将会和 prompt 列拼接作为模型输入。history 列应当是一个列表，其中每个元素是一个字符串二元组，分别代表用户请求和模型答复。
90510编辑于 2024-06-08 - 来自专栏大模型应用
大模型应用：从零构建医疗AI智能体：大模型驱动的医疗辅助系统全流程解析.125
什么是医疗AI智能体1.1 核心定义 医疗AI智能体是以大模型为核心，融合医疗领域知识库、多模态数据处理能力和人机交互接口，能够自主感知医疗场景中的信息（如患者症状、检查报告）、分析问题、 不同于传统的医疗 AI 工具，如单一的影像识别模型，医疗 AI 智能体具备三大核心特征：自主性：无需人工逐步骤指令，能理解复杂医疗需求并自主规划执行路径，如先问诊→再分析症状→最后给出建议领域适配性：深度融合医疗专业知识 大模型的角色与工作原理医疗 AI 智能体中，大模型承担“自然语言理解 + 意图识别 + 内容生成”的核心角色，其工作原理可简化为：1. 幻觉抑制原理通用大模型易产生幻觉，如编造不存在的药品、错误的诊疗建议，医疗 AI 智能体需通过以下技术抑制幻觉：1. 大模型的选择策略 医疗 AI 智能体的核心是大模型，选择模型时需综合考虑效果、成本、合规性、部署方式四大维度，以下是主流模型的对比和选择建议：1.1 模型类型对比模型类型代表模型优势劣势适用场景通用闭源大模型通义千问医疗版效果好
18910编辑于 2026-06-02 - 来自专栏磐创AI技术团队的专栏
医疗AI的基础模型
引言 正在进行的AI革命正在给我们带来各个方向的创新。OpenAI的GPT(s)模型正在领导发展，并展示了基础模型实际上可以使我们的日常任务变得更加简单。 AI模型最令人兴奋的应用之一是医疗AI工具。 在这篇博客文章中，我将PLIP（病理学语言和图像预训练）描述为病理学的第一批基础模型之一。 AI病理学任务的模型，而无需注释数据。 在论文中有更多的细节，但在构建这种对比模型时，其中一个最重要的组成部分是在训练过程中确保批处理大小尽可能大，这允许模型学习尽可能多的元素。 医疗AI的病理语言和图像预训练 现在是时候测试一下我们的PLIP了。这个基础模型在标准基准测试中表现如何？ 我们进行了不同的测试，以评估我们的PLIP模型的性能。
95310编辑于 2024-01-29 腾讯医疗大模型产品概要
一、 产品定位与核心亮点 腾讯医疗大模型是基于腾讯全链路自研的混元通用大模型，面向医疗健康行业深度优化的垂类大模型。 三、 应用框架和功能介绍 功能框架 产品架构分为多层：以腾讯混元大模型为基座，通过TI-ONE训练平台和TI-ACC加速组件进行医疗领域精调，输出针对辅助诊断、文案生成、病历结构化、影像报告等细分场景的专用模型 解决方案：部署AI体检助手，基于大模型能力实现智能问答、个性化体检套餐和加项包推荐。 成效： 南宁市第一人民医院：AI加项使用率超40%，购买率达71.43%，订单金额提升28.10%。 总结 腾讯医疗大模型凭借其全链路自研的强大基座、独特的权威医疗数据积淀和深入的场景化打磨，已成为推动医疗健康产业数智化升级的关键技术引擎。 其在多家头部医疗机构的成功应用表明，该模型在提升医疗服务效率、优化患者体验、辅助临床决策等方面具有显著实用价值，展现了生成式AI在严肃医疗领域的落地潜力。
13210编辑于 2026-05-31腾讯医疗大模型产品概要：医疗健康智能体
一、 产品定位与核心亮点 腾讯医疗健康智能体是基于腾讯混元大模型的医疗健康领域AI应用。 其核心技术属性为医疗垂直领域大语言模型，商业差异化卖点在于将大模型技术与专业的医学知识库（腾讯医典）相结合，为个人用户和医疗机构提供精准、专业的健康信息服务和医患沟通效率工具。 三、 应用框架和功能介绍 功能框架 产品主要分为两大模块：面向个人用户的健康助手和面向医疗机构的医患沟通与报告辅助工具。 硬核指标 技术基础：基于腾讯混元大模型。 医疗报告辅助场景（深圳大学附属第一医院） 背景：医生书写影像学报告工作量大，且需确保准确性和效率。 解决方案：集成“小觅AI助手”（腾讯觅影），使用其报告生成、质控（纠错）、比对、解读功能。 总结 腾讯医疗健康智能体通过大模型技术，在个人健康服务层面实现了更精准、便捷的信息获取与指导；在医疗机构服务层面，有效助力医患沟通效率提升（智能随访、辅助沟通）和报告处理流程优化（报告提效），达成了“增效降本
15010编辑于 2026-05-30腾讯医疗大模型：医疗健康智能体产品概要
主讲人： 李慧 | 医疗健康产品商业化负责人 数据来源： 2024腾讯全球数字生态大会 一、产品定位与核心亮点 技术定义： 腾讯医疗大模型是一款基于腾讯混元AI生成技术的医疗健康智能体，旨在构建“个人健康助理 核心差异化卖点： 精准化服务： 结合居民健康标签，生成个性化医疗建议，解决传统健康信息碎片化与个性化不足的问题。 AI小觅助手：提供报告质控、比对、解读，生成能力相当于中级医生水平。 功能框架 产品架构分为两大核心模块： 个人健康助理（To C/患者端）： 包含健康自诊、用药助手、报告解读、健康咨询及权威科普联动。 解决方案： 使用 AI小觅助手（腾讯觅影）。 报告质控： 自动识别并纠正文本错误（如“便是→辨识”、“巨献新视野→局限性视野”）。
16410编辑于 2026-05-30- 来自专栏Soul Joy Hub
达尔文——生物医疗科学领域大模型
蛋白质等等）也用于“达尔文”大模型（通用开源数据以外）进一步的预训练，赋予“达尔文”大模型在生物医疗领域比一般通用大模型具备更有竞争力的表现 2.2 科研强化 RLHF 是指"Reinforcement 背靠赛业，数百名生物领域的专业研究员为我们达尔文提供专业知识和经验，来训练反馈模型，以指导“达尔文”大模型的强化学习 2.3 生物AGI 大语言模型的兴起，带动当下最热门的研究方向之一就是：基于大语言模型 展示了真正的AGI（通用人工智能） 的雏形，即：一个可以自我完善、具备完成各种任务能力的AI 达尔文大模型 指令微调（instruction tuning）训练，除了进行常规的指令（如问答、摘要等）， “火山方舟” 包含模型广场、模型体验、模型训练推荐以及模型应用的功能，其使命是加速大模型和大算力的应用落地，加快大模型在各行业发挥商业价值。 带给大家一个好消息，“达尔文”大模型将入驻火山引擎大模型生态，上架至“火山方舟”的模型广场，补全火山引擎大模型生态的生物医疗领域，并供大家使用与反馈。 火山方舟 3.
1K30编辑于 2023-07-21 重构医疗服务流与运营经济模型：腾讯医疗大模型落地实践解析
组建全流程大模型产品矩阵与底层数据中台 针对上述痛点，腾讯提供从底层数据治理到表层应用交互的完整医疗AI解决方案，产品支持独立售卖或组合，均支持SaaS交付及部分私有化部署（API/H5/小程序），并可无缝集成至 HIS/EMR系统： AI数据层产品： 依托医疗术语标准化，通过高精确性算法大幅缩短医学数据治理周期，为大模型提供高质量语料库。 攻克头部三甲医院复杂临床与客服场景 腾讯医疗大模型已在多个区域中心医院完成深度业务融合，直接验证了其在不同业务场景下的可用性： 华中科技大学协和医院（智能导诊升级）： 大模型通过识别主诉缓急、过滤骚扰信息并精准推荐医生 复旦大学附属肿瘤医院（全周期管理）： 联合大模型引擎建立患者随访小结（自动提取体征、结节风险评估等），辅助医生进行医疗数据智能分析与科研专病库生成。 兑现底层技术确定性与规模化交付能力 在医疗大模型赛道，腾讯依托强大的底层架构与开放的生态系统，确立了显著的规模化落地优势： 极高的市场渗透率： 方案已累计落地全国约1300家医院，其中包括22家全国百强医院
11810编辑于 2026-05-30腾讯医疗AI解决方案：大模型驱动医疗全场景降本增效与服务重塑
部署全场景医疗大模型智能套件与联合作战模式 腾讯云依托医疗大模型及医疗术语标准化能力（药品、诊断标准化），针对诊前、诊中、诊后及健康管理全周期，提供可单独或联合部署的AI智能应用矩阵，服务于三级/二级医院 、基层医疗机构、零售药店及体检中心： AI智能导医与问诊系统： 利用大模型进行意图识别与语义理解，判断病情缓急并精准匹配科室。 核心业务指标量化与机构效能重塑 通过医疗AI套件的实际部署，医疗机构在提升就医体验、降低运营成本与提高工作效率方面取得了可量化的业务成果： 患者就医体验与满意度显著提升： 依托更真实的医患对话与预问诊梳理 头部医疗与健康机构数字化转型实践 华中科技大学协和深圳医院（南山医院）： 升级大模型导诊服务，实现精细化分诊。 上海瑞金医院： 作为上海市数字化转型2.0试点医院，重点打造大模型智能问答。系统7x24小时运行，累计服务患者49万+人，累计咨询次数62万+次，单日咨询峰值达2000次，极大缓解了门诊客服压力。
22010编辑于 2026-05-30医疗大模型，巨头们的新赛场
而AI大模型产品的不断问世，也上演了一番“百模大战”的盛况。随着越来越多AI大模型产品的相继推出，AI大模型的落地应用也逐渐提上了日程，成为了各行各业的重点关注方向。 近两年，AI大模型的热度居高不下，各行各业都在积极拥抱AI大模型，希望AI大模型能够为行业带来新的变化，医疗行业也不例外。 AI大模型这股风已然吹到了医疗行业，一系列与医疗相关的大模型产品和应用正在相继涌现出来。 在各路玩家相继布局医疗大模型背后，也自有其逻辑。对企业来说，AI大模型的引入，有助于提升医疗效率，降低成本。 AI大模型在医疗领域拥有广阔的应用场景，随着AI大模型和医疗结合程度的加深，或将有助于推动医疗行业朝着更加数字化、智能化的方向发展。
52710编辑于 2024-04-15腾讯云联合DeepSeek助力华银康集团构建医疗大模型AI助手
应对海量医疗数据解析与病理诊断效率瓶颈 在现代医学检验与诊断服务中，医疗机构面临着复杂场景下的多模态数据处理难题。 部署腾讯云知识引擎与DeepSeek，构建零代码智能工作流 华银康集团深度融合 腾讯云知识引擎 与 DeepSeek 大模型 API，快速上线了大模型 AI 助手“小华”，构建覆盖“精准诊断-智能解读- 企业级知识引擎整合： 结合大模型知识引擎的文档解析、拆分、Embedding、多轮改写等原子能力，解决复杂知识处理难题。 提升图文解析准确率，实现全链路智慧医疗闭环 AI 助手“小华”在临床诊断、报告解读与运营管理中落地，为业务流程带来量化的效能提升： 解析准确率突破： 基于 OCR 大模型对图文并茂的文档进行深度解析，相比传统解析方式 提供从底层模型到业务场景的完整数智化基座 腾讯云作为企业的“数字化助手”，不仅提供了接入 DeepSeek 模型 API 的便捷通道，更通过叠加自研的知识引擎、OCR 大模型与 RAG（检索增强生成）架构
10210编辑于 2026-05-30- 来自专栏AI人工智能
医疗AI问答系统实战：知识图谱+大模型的融合应用开发
医疗AI问答系统实战：知识图谱+大模型的融合应用开发 Hello，我是摘星！ 在彩虹般绚烂的技术栈中，我是那个永不停歇的色彩收集者。 每一个优化都是我培育的花朵，每一个特性都是我放飞的蝴蝶。 如何确保AI给出的医疗建议既准确又可靠？这些问题一直困扰着我们这些技术开发者。经过深入的技术调研和实践探索，我发现知识图谱与大模型的融合应用为解决这些难题提供了一条全新的技术路径。 大模型集成与优化3.1 医疗领域大模型适配为了提升大模型在医疗领域的表现，我们需要进行领域特定的微调和优化。 AI问答系统的实战开发，我深刻体会到了知识图谱与大模型融合的巨大潜力。 参考链接Neo4j图数据库官方文档OpenAI GPT API开发指南医疗知识图谱构建最佳实践大模型在医疗领域的应用研究医疗AI系统安全与隐私保护指南关键词标签医疗AI 知识图谱 大模型 问答系统 融合架构
1.6K10编辑于 2025-08-14 腾讯健康数字化底座与医疗AI大模型应用实战解析
二、 构建全链路数智架构：云边端协同与医疗大模型技术矩阵 针对行业痛点，腾讯提供以云原生、医疗大模型、企业微信生态为核心的数字化技术与合作解决方案，实现从算力到底层业务场景的垂直贯通。 双引擎驱动的AI模型能力层： 融合通用大模型（腾讯混元、DeepSeek）与专属医疗大模型。 基于超千亿Tokens的医学行业大模型与10000+医疗客户海量语料，提供RAG（检索增强生成）、智能体开发平台、医学影像AI及智能客服，实现开箱即用的AI赋能。 四、 标杆企业落地实践：跨国药企至三甲医院的转型图谱 迈瑞医疗（头部医疗器械）：联合研发重症大模型与AI辅助设备 基于腾讯医疗大模型与医学影像模型，双方联合研发全球首个投入临床的重症大模型产品。 底层算力与训练加速的绝对领先： 依托腾讯遍布全球的100万+服务器与EB级存储规模，结合训练加速TACO技术，使得AI推理性能提升30%，千卡扩展比达95%，结合qGPU算力共享提升部署密度20%，为医疗科技创新提供不可替代的算力底座
41710编辑于 2026-04-09- 来自专栏小洁叫你mysql
【AI大模型】训练Al大模型
大模型超越AI 目前所指的大模型，是“大规模深度学习模型”的简称，指具有大量参数和复杂结构的机器学习模型，可以处理大规模的数据和复杂的问题，多应用于自然语言处理、计算机视觉、语音识别等领域。 本文将探讨大模型的概念、训练技术和应用领域，以及与大模型相关的挑战和未来发展方向。 大模型是指具有庞大参数数量的机器学习模型。传统的机器学习模型通常只有几百或几千个参数，而大模型则可能拥有数亿或数十亿个参数。 训练大模型的挑战 训练大模型需要应对一系列挑战，包括： 以下是与大模型相关的一些代码示例： 计算资源需求： import tensorflow as tf # 指定使用GPU进行训练 with tf.device 更智能的模型压缩技术：模型压缩和加速技术将继续发展，以减小大模型的计算和存储开销。 更好的计算平台支持：为了支持训练和部署大模型，计算平台将继续改进，提供更强大的计算资源和工具。
1.6K30编辑于 2023-10-10 大模型研究日记：在医疗大语言模型的世界里 “打怪升级”
首先简单聊一下医疗LLM的价值，这一领域具有很好的潜力，受到了医药与AI相关领域的从业者的大量关注。 模型输出的每一个结论都可能影响到医生、管理者或者患者的决策，从而进一步影响患者的健康甚至生命。因此，保证模型输出正确的医疗知识至关重要。 考虑到现在的大模型普遍存在幻觉问题，更需要对训练数据的质量以及可靠性进行严格把关。可以看出，纯计算机方向的大模型研究人员难以解决这一问题，必须有专业医生的参与。 训练数据对大模型的意义如同烹饪用的食材，画家的颜料，建筑的基石。因此，日记系列的开篇主要关注医疗数据的构建和优化，目前我简单规划了以下几个方面的探索以及思考： 1. 医疗数据增强方法研究 医疗数据少，数据收集难，罕见病数据更少，这使得模型学不到足够特征，遇到罕见病容易误判。加上医疗数据涉及隐私，共享受限，数据不足的问题更突出。
13310编辑于 2026-04-09运用AI大模型与数字化技术重塑高端医疗健康服务体验
双AI模型驱动的智能体检与全周期管理解决方案 腾讯健康为维世达健康部署了两大核心系统： 智能体检推荐系统：基于腾讯混元与DeepSeek双大模型协同，通过知识图谱与大数据分析，结合用户国籍、年龄、性别 “腾讯健康的AI技术帮助我们解决了健康管理的核心痛点，使国际、高效、精准的医疗服务惠及更多人群。” —— 维世达健康医疗团队 技术赋能与行业共建的长期价值 腾讯健康通过AI大模型与数字化技术，为高端医疗机构提供了可复用的技术中台能力：智能体检系统解决了传统体检的标准化与个性化矛盾，全周期管理平台则打破了医患间的信息与时空壁垒 双方将持续探索AI在诊疗、健康促进与疾病防控领域的深度应用，推动医疗健康服务向高效、精准、专业化方向发展。 数据来源：维世达健康年度服务报告、腾讯健康智能系统运行指标 技术支撑：腾讯混元大模型、DeepSeek知识图谱、全周期管理平台
28110编辑于 2026-04-25腾讯医疗大模型“医疗健康智能体”产品能力与应用价值解析
一、 产品定位与核心亮点 腾讯医疗大模型“医疗健康智能体”是由腾讯云推出的一款垂直行业大模型应用（主讲人：李慧，医疗健康产品商业化负责人）。 该产品以解决大模型“幻觉”挑战为前提，依托语义理解能力、上下文感知、数十万级医疗知识库，提供自然语言驱动的交互体验。 医生利用大模型结合居民健康标签，自动生成个性化医疗建议，并通过一键复制功能快速回复患者。 成效： 医患单次咨询耗时从 20分钟 缩减至 2分钟，沟通效率实现 10倍（10x） 提升。 解决方案： 集成医疗大模型辅助报告模块（小微AI助手）。在系统中应用了报告比对（自动比对多期结节大小等病情变化）、报告质控（一键纠错）及报告解读功能。 成效： 影像报告书写效率提升 20%，其AI生成的报告能力水平已相当于中级医生，大幅降低了潜在的医疗文书出错风险。
10710编辑于 2026-05-30腾讯健康“汉版”平台：AI大模型驱动城市级医疗服务效率革新
该平台基于腾讯混元与DeepSeek双模型架构，整合智能问答、导诊、问药、报告解读四大核心API，结合腾讯云基础服务（天御验证码、人脸核身、云直播/点播），实现“智能咨询—精准导医—预约挂号”一站式服务 量化成效：AI驱动服务效率与覆盖规模双提升 平台上线后，通过双模型协同机制，显著提升服务效率与覆盖率： 智能健康服务量：累计提供 159.7万次 AI智能健康服务 个性化科普触达：生成 48.4万次 定制化健康科普内容 —— 腾讯健康技术专家 技术差异化：双模型架构兼顾精准性与响应速度 腾讯混元大模型负责深度病情交互与逻辑推理，DeepSeek模型优化响应效率，双模型自由切换实现： 症状识别覆盖：支持常见疾病症状识别及危急体征 ，解决“报告看不懂”痛点 低延迟直播支持：云直播/点播技术保障专家课程、科室直播流畅运行，日均服务数千名用户同步观看 选择腾讯的核心优势 腾讯健康“汉版”平台的成功，依托腾讯云稳定的基础服务能力与自研大模型的技术深度 双AI模型架构不仅实现服务链条闭环，更通过可量化的运营数据，验证了技术方案在真实医疗场景中的可靠性，为城市级数字化健康服务树立可复用的技术标杆。
7910编辑于 2026-05-30MediGo医疗大模型数据开发平台 八大场景赋能智慧医疗全流程
澳鹏MediGo平台通过八大应用场景和七维技术矩阵，构建了从数据生产到模型训练的全链路解决方案，有望显著提升医疗AI模型的准确性和可靠性。 澳鹏Appen（中国）今日正式发布MediGo医疗大模型数据开发平台，这一创新性平台旨在解决医疗AI领域面临的数据标注精度不足、多模态协同处理效率低下等核心挑战。 该平台的推出标志着医疗AI数据服务进入专业化、智能化新阶段，将为医疗AI的临床应用提供强有力的数据支撑。 八大场景赋能智慧医疗全流程在诊疗场景方面，平台基于深度学习的病理图片智能分析系统能够自动标注病灶区域，帮助生成结构化诊断报告，显著提升诊断效率。 七维技术矩阵定义医疗数据生产力在智能化标注方面，平台集成了医疗专用NER模型、问答对自动生成系统和自研预标注算法，包含药品信息OCR识别、骨骼/细胞形态预识别等医疗专用模型，大幅提升了标注效率和准确性。
34610编辑于 2025-06-24- 来自专栏程序随笔
聊聊心理医疗领域大模型的落地思考
近来，工作偏向于心理医疗领域方面的大模型，仅从领域大模型的落地，聊聊个人的一些思考。 硬件 准备好花钱买GPU。 领域大模型 业务场景的思考 首先需要审视斟酌业务领域的特殊性与可行性，我们要做的是心理领域，而心理领域倾向于医患对话，即询问链的场景；不仅仅是一问一回答的角度，而作为智能体(AI模型/医生)还需要 对患者的回答进行 开源模型 摸着石头过河——目前医疗、金融等领域已经有很多的开源模型，作为技术储备与预研，极其需要对已有的开源模型做一些调研。 训练流程及代码 而CareGPT与MedicalGPT两个模型给我提供了详细的训练流程参考： 第一阶段：PT(Continue PreTraining)增量预训练，在海量领域文档数据上二次预训练AI模型 准备好AI模型与服务器后，按上述的流程实现一个MVP，以供产品人员试用、客户演示、进而实现项目最小闭环；最终就是走向产品迭代，不断演进。
49310编辑于 2024-03-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号