当前位置: 首页 > news >正文

“AI问诊助手”落地武汉市中心医院,深兰科技助力医疗数智化升级

      近日,由深兰科技研发的“AI问诊助手”,在武汉市中心医院的55个科室全面落地启用。自此,该院患者的病例不再需要医生亲自手写,“AI问诊助手”通过识别医生和患者的对话,将实时自动生成结构化电子病历。

从“动口又动手”到“动口不动手”

      从前,患者去医院看病,医生问诊时,总是一边与患者交流了解病情,一边分心书写病历,这不仅影响医生问诊时的专注度,又降低了问诊效率,耗费更多时间。据武汉市中心医院统计,传统问诊模式下,医生书写病历的时间,平均到每一位患者身上就要花费好几分钟。“AI问诊助手”的介入,将从根本上改变这一局面。

      该院一位内科医生就表示:“传统医疗模式,医生在书写病历上就要花费大量时间,现在只需要和患者正常交谈,系统就能自动生成结构化病历,每位患者问诊时间至少省了四五分钟,医生的工作强度也大大降低。”

解放双手,提升效率,保证质量

      据“AI问诊助手”项目的负责人介绍,该系统基于千亿级Tokens医疗知识库与400万医学知识图谱打造,覆盖32个科室的6万+专业医学术语,通过语音识别与大模型技术的应用,可以实时记录医生与患者的谈话并自动生成病例,将书写病历的时间压缩至近乎为零,使医生问诊效率大幅提升。

      另外,该系统融合了国家病历质控标准,创新性嵌入“AI病历质检”功能,平台通过提示医生补全遗漏项,从而确保生成的病历符合临床标准。该院外科一位医生在使用后反馈道:“过去手写病历时,需要反复检查用药禁忌、既往病史等细节,现在‘AI问诊助手’可以做到即时提醒,这相当于给临床问诊上了保险。”

可识别方言,精准度96%以上

      鉴于来武汉市中心医院求医的患者中,老年人居多,讲话方言口音重的特点,在2024年11月启动的系统实测优化中,深兰科技与医院双方就针对武汉方言识别、科室个性化需求展开攻坚,在儿科、骨科、甲乳外科等十多个科室,展开了长达6个月的实测优化,通过上万次试用与数千条反馈迭代,为系统新增方言自适应校正功能,同时支持医生自定义药品名与专业术语热词,最终将语音识别准确率提升至96%。而私有化部署方案,则可以在不改变医生操作习惯的前提下,无缝对接医院信息系统,实现“无感智能化升级”。

      对此,负责该功能开发的一位技术人员表示,之所以花费那么长时间做方言识别技术攻坚,为的就是让AI技术能满足临床实际需求。

单点到全局,布局AI医疗服务

      目前,深兰科技正与武汉市中心医院联合开发“患者健康全生命周期多智能体服务平台”,通过整合大模型预训练、检索增强生成(RAG)、思维链(CoT)等前沿技术,打造覆盖诊前智能导诊、诊中辅助决策、诊后随访管理的全场景AI问诊服务矩阵。整个平台规划包含AI问诊助手、大模型专业医疗知识库、AI科研辅助、AI数字人智能客服、个性化治疗方案推荐、智能就医规划、AI智能陪诊、AI智能随访等十余项创新应用板块,以此推动全社会医疗服务模式,从“被动治疗”向“主动健康管理”转型。

加速医疗大模型生态建设

      目前,深兰科技所开发的AI医疗产品,已形成涵盖“AI问诊助手”、“远程视频问诊”、“辅助诊断系统”及“医学专家知识库”等在内的智能体产品矩阵。除了武汉市中心医院外,深兰科技还与武汉协和医院、武汉市血液中心、武汉市精卫中心、武汉市武东医院等多家医疗机构达成合作意向,将联手推动AI技术在问诊、诊断、专科服务等场景的深度应用。

      此外,深兰科技还在加速布局 “深兰科技家庭医生智能体”项目,计划联合全国50余家三甲医院,构建涵盖200多种常见病、30多种罕见病的智能化居家诊疗体系,通过县域医共体智能化中枢,实现患者问诊看病“大病不出县”的目标,预计三年内将覆盖千万家庭。

      对此,深兰科技AI医疗板块的负责人表示:“AI的价值在于帮助医生从繁琐的事务性工作中解脱出来,让医生能够更专注于临床问诊、医疗决策和患者关怀。‘AI问诊助手’在为医生提供智能辅助的同时,还为医院数字化、智能化转型升级提供了助力,不仅突破了医生临床工作中效率低、耗时长的瓶颈,还解决了质控难题”。

      武汉市中心医院的一位院领导也指出,随着“AI问诊助手”的普及和广泛应用,将会大大改变未来的医疗模式和医患关系。

武汉市中心医院简介:

      武汉市中心医院始建于1880年,前身为汉口天主堂医院,是湖北省历史最悠久的综合性三级甲等医院之一。目前,医院拥有南京路、后湖、谌家矶三个院区,开放床位3000余张,设有40余个临床科室,其中心血管病、肿瘤、神经疾病等领域的诊疗水平居华中地区前列。作为国家级住院医师规范化培训基地,医院配备PET-CT、达芬奇手术机器人等先进设备,承担重大公共卫生救治任务,在抗击新冠疫情中表现突出。近年来,连续入选中国医院竞争力百强榜,始终以百年底蕴与创新实力守护江城百姓健康。

http://www.xdnf.cn/news/19261.html

相关文章:

  • NOIP2015提高组.信息传递
  • 线程池 RejectedExecutionException 异常:Task ... rejected from...
  • 体验 OceanBase 参数模板功能
  • PLM系统如何支持利益相关者分析?沟通矩阵设计
  • 多活架构中如何规划数据一致性?
  • 无锡透平叶片将携尖端叶片登陆2025涡轮展,5月苏州相见
  • C++ `shared_ptr` 多线程使用
  • Python中type()函数的深度探索:类型检查与动态类创建
  • [已解决] Cribl 忘记admin 密码
  • 【java 13天进阶Day04】常用API、正则表达式,泛型、Collection集合API
  • 架构师面试(三十二):注册中心数据结构
  • 常见免杀框架的使用(3款)---【AniYaGUI1.2.0、AV_Evasion_Tool掩日、FoxBypass_V1.0】
  • 遨游科普:三防平板除了三防特性?还能实现什么功能?
  • 广搜bfs-P1443 马的遍历
  • Java学习手册:常见并发问题及解决方案
  • 如何提高单元测试的覆盖率
  • AI开发-效率提升小工具-“打盹弹窗侠”记录
  • Datawhale春训营赛题分析和总结
  • 每日文献(十四)——Part one
  • 2d深度预测
  • 【前端进阶】深入解析 Flexbox 布局中的 flex-shrink 与 gap 兼容性问题
  • 哈佛团队在Cancer Cell发表多模态医学AI模型,整合病理切片和基因组特征,为癌症预后提供新思路
  • stm32f407-01(GPIO)
  • 系统架构师2025年论文通用模板
  • 使用 Puppeteer 监听并打印网页的接口请求
  • 55、⾸屏加载⽩屏怎么进⾏优化
  • 观察者 ➜ 事件总线:一路走来的碎碎念
  • 每天学一个 Linux 命令(23):file
  • RT-Thread学习笔记(二)
  • Linux工具学习之【gcc/g++】