北电数智以数算模用全栈技术赋能医疗数智化提质增效
临床大数据领域长期存在“汇聚难、挖掘难、流通难”三大痛点,这不仅是医疗行业从经验驱动转向数据驱动的关键掣肘,也直接制约了精准医疗的落地进程。要破解这些难题,离不开前沿技术与临床深度理解的结合。
在近期举办的第七届博鳌皮肤健康创新医学论坛上,一项由中日友好医院与北电数智联合研发的成果引发了行业关注。双方共同开发的智能体应用“樱智医助”正式亮相,它并非简单的工具外设,而是基于“樱智α·皮肤专病大模型”打造、可深度嵌入复杂临床决策全流程的协同伙伴。目前,该应用已在博鳌超级医院投入临床使用,并获得了积极反馈。论坛上,双方进一步深化合作,联合发布了“樱智α·医疗可信平台”,以创新的“1+N+1”架构,在国内率先实现了医疗数据从汇聚、治理到流通应用的全链路可信打通。

具备临床思维、全程协同决策,“樱智医助”让AI深度嵌入复杂决策全流程
“樱智医助”的核心能力,源于其底层的专病大模型。该模型经过高质量临床数据的深度训练,具备了可靠的专业医学理解与生成能力。因此,“樱智医助”能够提供覆盖病历分析、报告解读、用药指导乃至文书生成的全流程智能辅助,其目标直指提升临床决策的质量与效率,推动诊疗过程的标准化与规范化。
那么,它与市面上常见的基于通用大模型的问答工具有何本质区别?关键在于“协同决策”这四个字。通用工具往往扮演“答题库”的角色,而“樱智医助”则致力于成为“懂医生、有专识”的智能体。它系统性地学习了真实的临床思维与决策路径,从而能够深度嵌入医生的工作流,在复杂诊疗的全过程中提供立体化的支持。

具体来看,它的工作流程高度模拟了资深医生的诊断思路:从辅助收集信息、形成初步印象开始,到依据关键症状建立诊断假设。在关键的鉴别诊断环节,它会按照从常见病到疑难病的逻辑,构建清晰的鉴别矩阵,逐一列出各项诊断的支持与反对依据,并附上路径建议。到了检查开具阶段,模型会优先推荐经济、低风险的筛选方案,待诊断范围收敛后,再建议更具针对性、可能成本较高的确诊性检查。
整个过程尤为值得关注的是,模型能够深入挖掘症状背后的跨系统关联和深层诱因,提示可能存在的全身性健康风险。所有的分析结论,都结合了对海量且实时更新的医学文献、临床指南和药品知识的深度检索来支撑。这就为复杂病例的精准判定提供了“结构化的循证依据”,同时也能完成兼顾疗效、药物相互作用及患者全身状况的“安全用药评估”。

这种深度协同的模式,正在推动一种“人机共智”新型诊疗范式的形成。让AI成为医生可信赖的伙伴,而不仅仅是工具。长远来看,此类标准化智能辅助体系的推广,对于缓解基层医疗资源不足、促进区域诊疗能力均衡化发展,具有重要的现实意义。
从模型共研到数据可信全方位合作,助力委重点实验室产业化发展
任何高级别AI应用的背后,都离不开高质量数据的支撑。医疗领域尤其如此,但由于数据私密性强、来源分散、标准不一,加之严格的安全合规要求,临床大数据长期面临“供不出、流不动、用不好、不安全”的困境,这已成为AI医疗规模化落地的核心瓶颈。
近期,由中日友好医院承建的“国家卫生健康委临床大数据标准化及集成应用重点实验室”正式获批,其核心使命正是攻克跨机构医疗大数据智能应用的挑战。在此背景下,北电数智与实验室联合推出的“樱智α·医疗可信平台”,可谓直击痛点。该平台创新性地构建了“1+N+1”的医疗数据可信服务新范式:

第一个“1”,是一套可信数据接入平台。它负责各类临床数据的统一汇聚与可信接入,核心包括两个部分:一是“可信工作域管控平台”,它能建立安全可控的虚拟工作环境,实现资源与数据的多维度隔离;二是“医疗数据集成治理平台”,旨在整合多源数据,提升医院科研与精准诊疗的效率。
中间的“N”,代表N个可信数据开发与治理工具。这些工具集提供了数据合成、医疗知识工程、数据质量与价值评估等多种能力,目标是实现对医疗数据全链条价值的深度挖掘与可信应用。
最后一个“1”,是一个可信数据流通平台。它借助强大的AI问数功能,为数据的高效解析、结构化处理以及跨机构的安全流通提供统一的技术支撑,最终让数据能够“流得动、用得好”。
这一平台体系的建立,标志着临床大数据应用开始走向标准化和集成化。基于此,合作双方计划进一步深化“AI+医疗”的场景创新,重点研发方向包括针对特定疾病的专病专科模型、患者全生命周期动态认知模型,以及基于数据驱动的全民健康管理应用。北电数智也将作为该重点实验室的合作伙伴,共同围绕临床大数据的开放、治理、应用及成果转化展开工作,共创智能科研新生态。
展望未来,医疗AI的发展路径已然清晰:以临床实际需求为导向,通过深化产业合作,推动技术底座标准化与国产化,持续优化迭代模型与应用。最终目标是将算力、知识与数据要素,转化为一站式、可落地的诊疗能力,构建成熟的“人机协同”临床决策体系,从而推动医疗从“经验医学”迈向“智能医学”,为整个医疗服务体系的提质增效注入核心动能。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
商汤科技SenseCore获工信部软件供应链安全优秀级认证
商汤大装置SenseCore平台获工信部软件供应链安全能力最高等级认证,成为全国首批达标企业。该评估依据国家标准,旨在应对软件供应链安全风险。作为新一代AI基础设施,商汤大装置构建了从算力到服务的端到端能力,其上海临港智算中心算力规模领先。此次认证标志其安全可信的算力底座达到。
腾讯混元与MBZUAI新研究 Search-R2如何优化搜索增强推理
针对搜索增强推理中的错误传播与信用分配难题,本研究提出Search-R2框架,将纠错机制融入强化学习策略空间。通过轨迹判断、错误定位与联合优化,模型能够识别并修正推理链中的早期偏差。实验表明,该方法在多跳推理任务中显著提升准确性,有效抑制长链错误传播,推动搜索型智能体更稳健地。
北大团队ICLR论文:自适应时序预测损失函数学习新方法
本研究针对多步时序预测中误差累积问题,提出可学习权重矩阵的QDF方法。该方法通过元学习自适应建模预测步间相关性及不确定性差异,突破了传统均方误差损失的独立性假设限制。实验证明,QDF能有效提升长期预测精度并更好保留序列结构,为时序预测优化提供了新思路。
多模态记忆湖MemoryLake发布:AI基础设施迎来记忆驱动新纪元
质变科技发布MemoryLake多模态记忆平台,推动AI基础设施进入记忆驱动时代。该平台整合大模型、记忆引擎与多模态数据,解决企业信息融合难、数据碎片化等痛点,具备深度理解多模态记忆、模拟人脑记忆演进及海量记忆持久化存储等核心能力,已在金融、制造、游戏等行业应用,提升复杂决策水平。
清华刘知远团队ICLR 2026论文:短文本如何丝滑升级为长文本
清华大学刘知远团队提出稠密-稀疏可切换注意力框架,以解决大语言模型扩展上下文时的计算与结构适配问题。该方法保持原参数与输出形式,实现从短序列到长序列的高效平滑过渡。实验显示,其在多项长上下文任务中性能接近全注意力基线,且不损害原有短序列能力,推理时显著加速。
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

