當(dāng)豆包大模型，成為臨床醫(yī)生的「醫(yī)助」

通常情況下，腫瘤病人病情復(fù)雜、病程長。當(dāng)患者來見醫(yī)生時，會帶很多過往的病歷資料，再由醫(yī)生花費20-30分鐘來梳理、記錄病程。如何減少醫(yī)生處理信息消耗的時間、把更多時間放在診療上？

美中愛瑞接入豆包大模型，搭建了「AI 預(yù)問診」智能體。患者掛號后，可以在「到診通知頁面」，把過往的病史信息和相關(guān)資料拍照上傳。當(dāng)患者到診看病時，豆包大模型直接將資料結(jié)構(gòu)化總結(jié)給醫(yī)生。醫(yī)生據(jù)此針對性地提問、深度溝通治療方案，把更多時間放在問診、查體、制定治療方案上，進(jìn)一步提升患者看病體驗。與此同時，智能體也可以自動提取關(guān)鍵信息，生成初步文檔，輔助醫(yī)生填寫病歷。

在幫助醫(yī)生提升信息處理的效率上，豆包大模型還在深入更多場景。

在一些疑難腫瘤疾病上，藥企、醫(yī)院和患者會嘗試新的治療方案、「雙向奔赴」。豆包大模型可以通過篩選病患病例和臨床實驗入組條件，準(zhǔn)確匹配符合入組試驗條件的患者，無需醫(yī)生再逐一核對信息，并自動形成通知發(fā)送。

豆包大模型多模態(tài)能力，還可以幫助醫(yī)生評估患者面部表情疼痛級別，通過面部表情識別，根據(jù) Wong-Baker 量表實現(xiàn) AI 分析疼痛等級并精準(zhǔn)反饋結(jié)果，讓疼痛評估更精準(zhǔn)及時。

用AI提升腫瘤醫(yī)生的知識迭代和科研效率

在腫瘤疾病的場景下，MDT （多學(xué)科診療模式）是打破各醫(yī)療系統(tǒng)間的數(shù)據(jù)壁壘、知識壁壘，研判治療方案的關(guān)鍵流程。腫瘤領(lǐng)域臨床醫(yī)生年均參與超3,000例復(fù)雜病例的多學(xué)科診療（MDT）會議，單次會議需同步調(diào)閱影像、病理、檢驗等10余個醫(yī)療系統(tǒng)的關(guān)聯(lián)數(shù)據(jù)。高頻次的跨系統(tǒng)信息檢索與多維度病情研判，使醫(yī)生在診療決策中持續(xù)面臨“多任務(wù)處理過載”，不僅導(dǎo)致診療效率邊際遞減，更易引發(fā)關(guān)鍵信息漏判。

同時，面對像腫瘤這樣的跨多學(xué)科疾病，進(jìn)入精準(zhǔn)醫(yī)學(xué)時代，醫(yī)生的決策難度不斷上升、更加需要學(xué)習(xí)前沿知識。

為了進(jìn)一步幫助醫(yī)生提高診療效率，以及知識迭代和科研效率，美中愛瑞通過接入豆包大模型和 HiAgent 平臺，探索學(xué)科專家「醫(yī)助」、學(xué)習(xí)「助手」、科研「助手」等智能體。通過分學(xué)科的專業(yè)智能算法輔助醫(yī)生進(jìn)行病情研判，來降低醫(yī)生認(rèn)知負(fù)荷，提高診療決策的準(zhǔn)確性與效率。

在知識迭代和科研場景，豆包大模型科研幫助醫(yī)生基于語義快速找到目標(biāo)文獻(xiàn)、做論文精讀、泛讀。在應(yīng)對知識更新方面，美中愛瑞通過豆包大模型，探索能夠高效篩選、整理醫(yī)學(xué)知識的平臺，為醫(yī)生精準(zhǔn)推送有價值的信息，幫助他們快速掌握新知識、新技術(shù)，實現(xiàn)知識的有效轉(zhuǎn)化與應(yīng)用。

把「智能化醫(yī)院」建在火山引擎上

聯(lián)手火山引擎，美中愛瑞致力于打造「智能化醫(yī)院平臺」——智能醫(yī)療云平臺和數(shù)據(jù)平臺，進(jìn)一步提升院內(nèi)服務(wù)和管理效率以及患者體驗，最大化提升醫(yī)療價值。

圍繞美中愛瑞 AI 醫(yī)院的總體規(guī)劃，火山引擎提供從基礎(chǔ)設(shè)施、AI 技術(shù)、應(yīng)用編排以及安全產(chǎn)品，涵蓋從數(shù)據(jù)集成到數(shù)據(jù)建模的全場景服務(wù)，助力美中愛瑞數(shù)字化、智能化醫(yī)院的構(gòu)建。

憑借在醫(yī)療健康領(lǐng)域的長期探索，火山引擎形成了從需求洞察到方案落地的完整服務(wù)體系：基礎(chǔ)云資源建設(shè)、安全合規(guī)保障、數(shù)據(jù)治理及中臺構(gòu)建、智能應(yīng)用工程化開發(fā)等多個維度。未來，火山引擎將攜手醫(yī)療行業(yè)的更多垂直場景和細(xì)分長尾需求展開共創(chuàng)，推動智能化醫(yī)療的落地與持續(xù)優(yōu)化。

來源：北國網(wǎng)

分享到

zhupb

相關(guān)推薦