今天小編分享的科技經驗：DeepSeek何以把醫療界攪翻天？，歡迎閲讀。
人工智能在醫療界也感受到了空前的熱情。
" 我們必須擁抱 AI 了。"在近期多個發布醫療 AI 大模型的活動現場，都有臨床專家這樣説。
在經過從豆包到 Kimi 再到 DeepSeek 的快速迭代後，即便是中國最頂級的醫學專家也感到了 " 不知所措 "。中國工程院院士，上海交通大學醫學院附屬瑞金醫院院長寧光就曾公開表示，整個社會都在被 AI、大模型重塑，如果再不擁抱 AI，就要成局外人了。
AI 真能當醫生嗎？在三四年前，這還被認為是遙不可及的事情，如今已經走進了實現。随着 DeepSeek 的發布，一種前所未有的緊迫感，席卷了整個醫療圈。一貫對 AI 抱持謹慎态度的公立醫院，也直接來了個 180° 大轉變。
據行業人士統計，春節過後的短短兩三周時間裏，至少有 92 家中國醫院官宣或者由媒體報道接入了 DeepSeek，完成了本地化部署，這個數字還在不斷攀升。從具體名單看，北上廣的知名醫院、各省市的三甲醫院都在其中。
同時，接入 DeepSeek 的 AI 醫療公司，也在為各大醫院量身提供融合了多種模型的 AI 中台搭建等服務。在監管層面，較為激進的城市已有衞健委、醫保局接入了這一大模型。
" 我們業務繁忙，目前各地出差中，忙到要吐了。" 有醫療 AI 公司創業者告訴虎嗅。
相比以往的 AI 大模型，DeepSeek 給相對傳統、嚴謹、保守的醫療行業帶來了不小的震撼。
就在前不久，有醫生在社交平台爆料，在看診的過程中，患者用 DeepSeek 質疑他的診斷結果，這名醫生本來很生氣，結果回去一查，指南更新了，是他的診斷過時了。這讓他感覺 " 天塌了 "，也讓很多基層醫生感到天塌了。
而從 DeepSeek 在醫療領網域的更多表現看，這還只是開了一個頭。
DeepSeek 來勢兇猛
DeepSeek 是開年以來最大的風口，與醫療相關的機構、個人，都想在其中做點什麼，而 DeepSeek 的表現，也确實可圈可點，甚至已經深入到醫療中非常核心的手術場景了。
" 通過多模态評估和技術賦能，我們看到了治愈的可能。"
這是四川省人民醫院泌尿外科主任熊玮在接受封面 . 新聞采訪時所説的。在此之前，熊玮和他的團隊給一個患有難治疾病的 82 歲患者完成了 " 右側腎盂癌伴下腔靜脈癌栓 " 的根治性手術。這被視為跨越 " 生命禁區 " 的手術。
根據公開信息，這一患者的病情非常兇險，癌栓完全阻塞了他的下腔靜脈，雙側下肢還有水腫和血栓的風險，放在以前只能保守治療了。因為高齡加上病情復雜，如果手術，很容易出現其心肺功能無法耐受長時間手術，術中出現致命性出血，以及術後出現急性腎功能損傷等并發症的情況。
對于復雜情況，DeepSeek 不僅給出了個性化的圍手術期管理方案，覆蓋風險預警、用藥決策、康復路徑和并發症雷達等方面，還在術中實時定位了病灶和血管的位置，減少了出血等問題，結合高精度 CT 成像三維構建 " 數字脈管系統 " 等技術，手術最終耗時 4 小時順利完成。
醫生對此評價稱，這一系列新技術相當于給團隊裝上了 " 風險透視鏡 "。
在更多醫療機構，DeepSeek 被用于行政管理、已有的 AI 輔助診斷等領網域，用于提高效率和準确度。
據将 DeepSeek 用于輔助閲片的長沙市某醫院的信息數據部主任透露，在 DeepSeek 加持下，AI 輔助診斷肺結節系統的閲片時長縮短了 40%，微小病灶的識别率提升了 25%，準确率達到了 95% 以上；在胃鏡檢查領網域，AI 系統預判與 " 金标準 " 病理檢查結果的符合率也達到了 96%。
對于更多亞健康人士，已經有 "AI 醫生 " 可以為他們 24 小時服務了。比如：廣西醫科大學附屬醫院泌尿外科上線的 " 泌尿外科 AI 醫生 "（），能夠随時響應患者的咨詢，完成 80% 以上的标準化問答，還可以為患者定制個性化健康管理方案。
" 使用 AI 技術或者大模型去做影像分析，那種全面性、準确性和快速性，都是人工影像分析完全無法比拟的。"有臨床專家在醫療大模型的發布會上指出。
業界認為，醫療機構大規模接入 AI 大模型，對診療效率和質量提高将會有很大的幫助。從行業的角度看，這也将指向醫療行業的新一輪急劇變革。
來自：視覺中國
再不擁抱 AI 就晚了
某種程度上，醫療界已經在接受 AI 了，DeepSeek 這種性價比極高的大模型，直接把落地過程急劇濃縮了。而這也将進一步加劇醫療市場競争。
在醫院，很多工作是靠醫生手工完成的，非常費時費力。病理科這種被譽為 " 醫學皇冠上明珠 " 的科室，醫生工作的枯燥、壓抑程度，甚至跟工廠 " 打螺絲 " 差不多。
在過去兩三年裏，随着 AI 技術的快速發展，臨床醫生們對 AI 能力早就有了深刻的體會。" 人的精力是有限的，AI 可以把無窮無盡的數據庫調出來。"遼油寶石花醫院腫瘤一病區副主任、九三學社盤錦油田支社主任委員申龍海告訴虎嗅，AI 輔助診斷、數字人等，在日常工作和科普中都發揮了重要作用。
一位在醫院放射（治療）科工作多年的醫生也告訴虎嗅，十年前他們需要一點點在電腦上勾勒出 CT 影像上心髒和肺等器官的輪廓，眼睛幹澀、手指也很酸，影像還歪歪扭扭的。當時她就覺得 " 人工持滑鼠在電腦上繪圖、描輪廓的行為愚蠢，應該（由電腦自動）識别勾畫 "。
現在這個目标實現了。"60 秒鍾！從前一兩個小時的工作就這樣一鍵生成了。" 上述醫生向虎嗅表示，雖然還是需要醫生做一些修改，但是已經非常便捷了。" 我看到了 AI 輔助醫療日新月異的變化。"
現在，患者在縣級醫院等病理報告的時長，也從原來的至少 3 天縮短至 24 小時。
AI 的到來讓醫生們從繁重、重復的勞動中解放出來，而且在某些細節上可以比人做得更好。
申龍海以腫瘤放療中的 " 畫靶區 "，也就是确定放療點位的工作為例向虎嗅解釋説，原來這個工作至少需要 6 個小時才能完成，用滑鼠在電腦上勾畫還很難控制圖形，使用 AI 以後，不僅速度更快，而且圖形更加圓潤順暢。
而在更加核心的手術領網域，加載了 AI 等新技術的手術機器，早就可以将誤差控制在 0.1 毫米以内，克服了人類醫生手抖的影響，術後并發症都變少了——根據公開報道，重建尿道的手術，吻合口漏的發生率已經從 8% 降到了 2%。
國家層面也在積極推動 AI 等智能輔助工具在醫療領網域的落地，去年 11 月份國家衞健委等部門就聯合發布指引檔案，公布了 84 個 " 人工智能 +" 在醫療服務、基層公共衞生領網域的應用場景。
在前不久，國家自然科學基金委員會宣布可以申報項目基金的項目中，也有多個人工智能相關的項目，覆蓋心梗預警、罕見病診斷、免疫力解碼等。更加直接地，最新的三級醫院評審要求中，還列入了醫療信息化水平等内容，對于大醫院來説，信息化轉型已成剛需。
除了 AI 本身的技術進步和政策引導之外，醫療機構的生存處境，也倒逼他們不得不尋求改變。
根據三聯 . 生活周刊報道，2024 年在相關網站公示申報破產信息中有 1200 多條與醫院有關。這個數字是 2022 年的兩倍以上，比 2023 年還多 400 家左右。這些醫院中，不只有民營醫院還有公立醫院。
行業人士分析，這主要與公立醫院大規模擴建、更新，靠增加患者數量來謀求發展的路徑，導致成本激增而醫院收入增長滞後有關。這種情況在醫保基金從按項目付費轉向按病種付費後，急劇惡化了。
醫院從醫保能夠獲得的收入在減少，迫使醫院必須從粗放型的發展模式向精細化管理轉變，如果不能及時轉變就很可能資金流斷裂。
一篇研究去年破產的廣東省嘉應學院醫學院附屬醫院（）的文章指出，2022 至 2023 年，該院醫療收入 7500 多萬元，擴建卻投入了 1.2 億元。在新形勢下，資金缺口給了它致命的一擊。
而從新的政策走向看，醫保基金正在逐漸轉向跳過公立醫院，直接與藥械企業結算，這對公立醫院的現金流也将是更大的挑戰。
對于身處生死關頭的醫院院長們來説，任何能夠切實提高管理水平、提高診療效率的新工具，都是 " 救命稻草 " 了。
來自：視覺中國
DeepSeek 将如何影響醫療格局？
醫療界長期存在的問題，包括人員不足、效率不高、過度診療等，讓行業内外都期待依靠新技術來解決。
遺憾的是，AI 能做的還是非常有限。
申龍海告訴虎嗅，雖然 AI 輔助診療可以做很多事情，但是面對復雜的人體狀況還是無法做到獨立完成任務。比如前述提到的放療靶區勾畫，一旦遇到特殊情況，比如患者有血管畸形、腸道畸形，AI 勾畫器官就會識别錯誤，如果沒有醫生修正，就可能危及正常器官。
"AI 在很多方面還是無法取代人的。" 申龍海向虎嗅表示。除了能力上還有待提高，AI 是否真的能對人的遭遇感同身受也受到業界質疑。即便是 DeepSeek 在思考能力上甚至超過了人類，在科普中不能給人精神上的支持，也很難從患者的經濟能力、身體條件等方面綜合考量去制定個性化的治療方案。
" 人是有温度的，機器沒有温度。" 申龍海説。
而且醫療的復雜性還在于，普通人很難向 AI 準确表述病史、症狀等。如果按照患者提供的錯誤信息來做診斷或給出治療方案，很可能會導致病情急劇惡化。
此外，AI 的加入讓醫學檢查更加敏鋭，也讓業界擔心會造成新的 " 過度診療 "。事實上在過去幾年 AI 接入 CT 以後，一路走高的肺結節的檢出率已經讓越來越多人陷入焦慮了。
而從行業格局看，單靠技術也未必能實現分級診療、強基層的目标。
盡管 AI+ 醫療領網域最常提到的願景，就是用新技術提高基層的醫療水平，實現分級診療，不過從目前的情況看，AI 等新技術正在更大幅度地拉開大醫院和基層醫療機構的差距。
實際上，醫療機構對新技術的需求早就有了，但是遲遲沒有落地，除了技術沒有達到令其滿意的程度以外，經濟考慮也是其中之一。這也是高性價比的 DeepSeek 迅速俘獲這麼多醫院的根本原因之一。
從 DeepSeek 官網公布的數據看，DeepSeek-R1 輸入輸出所需的費用只是能力稍高的 GPT4-o1 的零頭都不到——在緩存命中的情況下，DeepSeek-R1 輸入 token 費用為 1 元 / 百萬 tokens，只有 o1 的收費标準的 1.8%，不到能力更差的 o1-mimi 的十分之一。而且這個價格還在降低，最新公布的消息中，北京時間每日 0 點 30 分到 8 點 30 分，DeepSeek-R1 的 API 的費用可降低 75%！
DeepSeek-R1 API 輸入輸出費用情況。
來自：DeepSeek 官網
在其他費用方面，有行業人士算過一筆賬，如果只是本地測試，執行一些基礎的自然語言模型的任務，如翻譯、多輪對話等，醫院部署 DeepSeek 的硬體成本可以低至幾萬元，高配置成本也不超過百萬元。如果是精度更高的專業領網域，也可以低至 400 多萬元。
這樣一來，很多區網域龍頭醫院就有機會本地部署技術領先的 AI 大模型了。
盡管如此，從醫院官宣的情況看，很多醫院還是将 DeepSeek 用于幫助醫生完成詢問患者症狀病史、查閲資料、撰寫病例等基礎工作領網域，确實可以提高效率，卻沒有充分發揮 DeepSeek 的潛能。
而對于基層醫療機構來説，是否有實力、有動力引入這一技術就更加存疑了。
在硬币的另一面，頂級醫療機構、專家學者的需求更加復雜，他們正在通過 AI 來推高診療服務的門檻和天花板。
進入 2 月份以來，北京兒童醫院、上海瑞金醫院、復旦大學附屬中山醫院等，都将其與科技公司合作開發的專業大模型推到了公眾面前。這些大模型可以參與到會診中；可以幫助醫生閲讀復雜的病理報告且準确度超過了 90%；其專業知識儲備甚至達到正教授的水平。
這些大模型的推廣無疑可以讓更多醫療機構的能力提高到新的水平。頂級醫療機構将依靠 AI 形成新的醫療模式，疾病治療的塔尖兒将從專業化走向個性化，走向精準醫療。
這對患者來説是值得期待的未來，對醫療行業來説可能是一場洗牌。
不可忽視的是，其背後的技術需求和成本也會遠高于普惠的 DeepSeek。可以看到，中南大學湘雅醫院在本地部署 DeepSeek 的時候，引入了多個國内頂尖大模型，還有與科技公司，如：醫渡科技等，合作 6 年構建的數據庫做基礎。
這意味着，在數據、資金兩座大山的篩選下，頂級醫療機構在 AI 助力下将會越走越遠，各個地區的龍頭醫院也會有較好的發展，形成更加穩固的多區網域中心格局。而基層醫療機構與它們的差距将會更大。除了部分可以納入醫聯體的機構，更多缺少特色、缺少人才的基層醫療機構，很可能成為開藥、點滴的場所，甚至破產。
要使基層醫療機構也能從技術進步中獲益，就勢必需要更多制度上的保障和政策上的引導。
近期，在 AI 興起的熱潮中，監管部門又在重申嚴禁 AI 開處方的規定。這除了用藥安全方面的考量，也客觀上穩住了基層醫療機構的生命線。只是，這是底線，如何讓 AI 真正促進醫療行業健康發展，仍然需要更多探讨。
DeepSeek 并不是 " 救世主 "。
不過，從樂觀的角度看，借助 DeepSeek 的大火，醫療行業更大範圍地接受了 AI，在真正能夠解決醫療痛點問題的產品面世之前，正如行業人士所説，做好充分的準備——包括構建優質、專業的數據庫，或許才是當務之急。
文章标題：DeepSeek 何以把醫療界攪翻天？
文章鏈接：https://www.huxiu.com/article/4085695.html
閲讀原文：DeepSeek 何以把醫療界攪翻天？_ 虎嗅網
