DeepSeek何以把医疗界搅翻天？
10:53 Share

和一把医疗界搅翻天本文来自虎秀科技医疗组作者陈广京这段时间医疗界开始对人工智能释放出空前的热情在近期多个医疗 AI 大模型的发布现场都有临床专家表示我们必须拥抱 AI 了经过从豆包到 Kimi 再到 DeepSick 的快速迭代后即便是中国最顶级的医学专家也感到了不知所措

中国工程院院士上海交通大学医学院附属瑞金医院院长宁光就曾公开表示整个社会都在被 AI 和大模型重塑如果再不拥抱 AI 就会变成局外人 AI 真能当医生吗这在三四年前还被认为是遥不可及的事情如今已经成为现实随着 DeepSick 发布一种前所未有的紧迫感席卷了整个医疗圈

一贯对 AI 抱持谨慎态度的公立医院态度也直接来了个 180 度的大转变据行业人士统计春节过后的短短两三周时间里至少有 92 家中国医院官宣或被媒体报道接入了 Deep Sea 完成了本地化部署这个数字现在还在不断攀升

从具体名单看北上广的知名医院各省市的三甲医院等都在其中同时一些 AI 医疗公司也开始为各大医院提供量身打造的融合多种模型的 AI 中台等服务颇受欢迎在监管层面较为激进的城市已有卫健委医保局接入了这一大模型相比以往的 AI 大模型 Deep-C 给相对传统严谨保守的医疗行业带来了不小的震撼

就在前不久有医生在社交平台爆料看诊时有患者用 DeepSeek 质疑他的诊断结果这名医生本来很生气结果回去一查指南更新后是他的诊断过时了这让他感到天塌了而从 DeepSeek 在医疗领域的更多表现看这还只是开了一个头

来势凶猛的 Deep Sea 是 2025 年开年以来最大的风口与医疗相关的机构个人都想在其中做点什么而其表现也确实可圈可点甚至已经深入到了医疗行业中非常核心的手术场景四川省人民医院的泌尿外科主任熊伟和他的团队近期就借助 Deep Sea 给一位患有难治疾病的 82 岁患者完成了右侧肾瘀癌半下腔静脉癌栓的根治性手术

这位视为跨越生命禁区的手术熊伟在接受采访时表示通过多模态评估和技术赋能我们看到了治愈的可能根据公开信息这位高龄患者的病情非常凶险如果贸然开刀很容易出现心肺功能无法耐受长时间手术术中出现致命性出血

以及术后出现急性肾功能损伤等并发症的情况放在以前只能进行保守治疗对于复杂的情况 DeepSeq 不仅给出了个性化的微手术期管理方案还在术中实时定位病灶和血管的位置减少了出血等问题手术最终耗时 4 小时顺利完成在更多医疗机构 DeepSeq 被用于行政管理 AI 辅助诊断等领域大幅提高了工作效率和准确度

据长沙市某医院信息数据部主任透露该医院将 Dipsy 用于 AI 辅助月片辅助诊断肺结节系统的月片时长缩短了 40%微小病灶的识别率提升了 25%准确率达到了 95%以上

在未竞检查领域 AI 系统预判与金标准病理检查结果的符合率也达到了 96%对于更多亚健康人士一些医院上线了 AI 医生为患者提供 24 小时服务随时响应咨询还可以定制个性化的健康管理方案在某种程度上 Deep-seed 这种性价比极高的大模型直接把 AI 在医疗界落地的过程急剧浓缩从行业的角度看这也将指向医疗行业的新一轮急剧变革

在过去两三年里 随着 AI 技术的快速发展 临床医生们对 AI 的能力早就有了深刻的体会人的精力是有限的 但 AI 可以把无穷无尽的数据库调出来在医院里 AI 辅助诊断 数字人等工具正发挥着重要作用 把医生们从繁重重复的劳动中解放出来有时在某些细节上甚至可以比人做得更好

一位在医院放射治疗科工作多年的医生告诉虎秀,10 年前他们需要手动在电脑上勾勒出 CT 图像中的器官轮廓,费时费力还不够精准。现在工作流程已经变为电脑自动识别勾画,从前需要一两个小时才能做完的工作,现在仅需 60 秒钟即可一键生成。虽然还是需要医生做一些修改,但是已经非常便捷了。

国家层面也在积极推动 AI 等智能辅助工具在医疗领域的落地 2024 年 11 月份国家卫健委等部门联合发布指引文件公布了 84 个人工智能加载医疗服务基层公共卫生领域的应用场景近日国家自然科学基金委员会发文表示要积极推动科学问题驱动与数据驱动相结合的科研范式变革

更加直接的最新三级医院的评审要求已将医疗信息化水平等项目纳入考核对于大医院来说信息化转型已成刚需除了 AI 本身的技术进步和政策引导之外医疗机构的生存处境也在倒逼他们加快转型步伐再不拥抱 AI 就晚了据三联生活周刊报道 2024 年相关网站公示申报的破产信息中有 1200 多条与医院有关

这个数字是 2022 年的两倍以上比 2023 年还多 400 家左右其中既有民营医院也有公立医院目前医保基金从按项目付费转向按病种付费甚至逐渐跳过公立医院直接与药协企业结算这为公立医院的现金流带来更大的挑战医院从医保中能够获得的收入减少原本大规模扩建升级靠增加患者数量来谋求发展的路径走不通了

这迫使其必须从粗放型的发展模式向精细化管理转变否则资金流很可能断裂对于身处生死关头的医院来说任何能够届时提高管理水平提高诊疗效率的新工具都是救命稻草

其实医疗界长期以来一直存在人员不足效率不高过度诊疗等问题这让行业内外都期待依靠新技术来解决遗憾的是 AI 能做的还非常有限在很多方面仍然无法取代人类虽然 AI 辅助诊疗可以做很多事但在面对复杂的人体状况时还是无法做到独立完成任务

比如在勾画器官的工作中一旦遇到特殊情况比如患者有血管畸形肠道畸形等 AI 就会识别错误如果没有医生修正治疗过程就可能危及正常器官除了能力还有待提高 AI 能否真的对人的遭遇感同身受也受到业界质疑即便 Deep-Sea 在思考能力上甚至超过了人类但它在科普中不能给人精神上的支持

也很难综合考量患者的经济能力身体条件等制定个性化的治疗方案而且医疗的复杂性还在于普通人很难向 AI 准确表述病史症状的如果没有人类医生及时纠偏 AI 可能会按照患者提供的错误信息给出诊断或治疗方案反而导致病情急剧恶化此外 AI 的加入让医学检查更加敏锐这也让业界担心会造成新的过度诊疗

事实上过去几年医院将 AI 接入 CT 以后一路走高的肺结节减出率已经让越来越多人陷入了焦虑而从行业格局看单靠技术也未必能实现分级诊疗强基层的目标尽管 AI 加医疗领域最常提到的愿景就是用新技术提高基层的医疗水平实现分级诊疗不过从目前的情况看 AI 等新技术正在更大幅度的拉开大医院和基层医疗机构的差距

实际上医疗机构对新技术的需求早就有了但是迟迟没有落地的原因除了技术没有达到令其满意的程度以外经济考虑也是重要因素但从官网公布的数据看 DeepSeq RE 输入输出所需的费用只是能力稍高的 GPT-401 的零头都不到高性价比的 DeepSeq 由此得以迅速俘获众多医院的房心

在其他费用方面有行业人士算过一笔账如果只是本地测试执行一些基础任务如翻译 多轮对话等医院部署 DeepSeek 的硬件成本可以低至几万元高配置成本也不超过百万元在精度更高的专业领域最低 400 多万元的硬件也够用了

不高的成本让很多地区的龙头医院放开手脚加入本地部署 AI 大模型的浪潮尽管如此根据目前公开的信息很多医院对 DeepSeek 的应用还处于初级阶段仅涉及辅助医生完成询问患者症状病史查阅资料撰写病历等基础工作确实可以提高效率却没有充分发挥 DeepSeek 的潜能对于基层医疗机构而言是否有实力有动力引入这一技术也依旧存疑

在硬币的另一面顶级医疗机构专家学者的需求更加复杂他们正在通过 AI 来推高治疗服务的门槛和天花板 2 月份以来一些顶级医院正在将其与科技公司合作开发的专业大模型推到公众面前这些大模型可以参与会诊帮助医生阅读复杂的病理报告且准确度超过 90%其专业知识储备甚至可以达到郑教授的水平

这些大模型的推广无疑让更多原本就实力过硬的医疗机构再上一个台阶他们将依靠 AI 转向新的医疗模式疾病治疗的塔尖将从专业化走向个性化走向精准医疗

这对患者来说是值得期待的未来而对医疗行业来说可能是一场洗牌不可忽视的是这些尖端项目背后的技术需求和成本将远高于普惠的 Deep Sea 比如中南大学香雅医院在本地部署 Deep Sea 时引入了多个国内顶尖大模型此外他们还有与医疗科技公司合作构建多年的数据库作为坚实的数据基础这

这意味着在数据资金两座大山的筛选下有了 AI 的助力顶级医疗机构会越走越远各个地区的龙头医院也会有较好的发展形成更加稳固的多区域中心格局

而基层医疗机构与他们的差距会被拉大要是基层医疗机构也能从技术进步中获益就势必需要更多制度上的保障和政策上的引导近期在 AI 兴起的热潮中监管部门又在重申严禁 AI 开除方的规定除了用药安全方面的考量也在客观上稳住了基层医疗机构的生命线然而这只是底线如何让 AI 真正促进医疗行业的健康均衡发展仍然需要更多探讨

从乐观的角度看借助 DeepSeek 大伙医疗行业更大范围地接受了 AI 然而需要强调的是 DeepSeek 并不是医疗行业的救世主在真正能够解决痛点问题的 AI 产品问世之前医疗机构的当务之急仍是做好充分的准备比如构建优质专业的数据库