在近日召開的第29屆中國醫院信息網絡大會(CHIMA 2025)上,中山大學腫瘤防治中心副院長孫穎教授發表《從火熱到冷靜:大語言模型浪潮中的腫瘤診療實踐與思考》主題演講,首度公開分享該院在大模型應用領域的路徑及階段性成果。中腫以臨床剛需錨定技術路徑,以高質量數據筑牢智能底座、以人機協同重構診療范式,聯合AI醫療企業醫渡科技成功構建覆蓋腫瘤診療全流程的智能化體系,實現了從數據應用到輔助決策的多場景突破。

高質量大數據是大模型的“護城河”

國家癌癥中心發布的最新報告數據顯示,我國2022年癌癥新增病例約480萬(占全球總數約24%),相當于每天超過1.3萬人被診斷為癌癥,癌癥死亡病例約260萬(占全球總數超26%),發病率與死亡率持續位居全球首位,腫瘤防控形勢嚴峻。國家亦高度重視癌癥防治工作,面對《健康中國行動—癌癥防治行動實施方案(2023—2030年)》提出的“到2030年,總體癌癥5年生存率達到46.6%”的攻堅目標,傳統診療模式亟待突破。

孫穎教授指出,腫瘤診療是AI優秀的應用場景——其多模態(病歷、影像、病理、組學)、高動態(單患者隨訪最長達40年)、超規模(分子診斷單次數據量超50G)的數據特性,為AI訓練提供了天然燃料。此外,從預防、篩查到診斷、治療、康復,腫瘤診療鏈條的復雜性催生出了多層次AI應用場景。

2025年初,DeepSeek掀起新一輪大模型應用的浪潮。從頭部醫院到區域中心再到基層機構紛紛入局,形成階梯式滲透、生態化演進的態勢。孫穎教授分享道,中腫在春節期間與醫渡科技達成合作,于2月27日迅速完成DeepSeek-R1 671B滿血版大模型及醫渡AI中臺的本地化部署,并在醫生工作站上線了腫瘤專科診療助手,深度整合病歷生成、輔助決策等核心場景,實現從標準診療流程到個性化需求的全覆蓋。

“高質量的大數據是護城河。”孫穎教授強調。過去10年來,中腫依托技術合作伙伴的YiduCore核心算法引擎,建成國內首個T+0實時更新的腫瘤大數據平臺,整合50余個業務系統,打造成覆蓋200多萬患者全病程的醫療數據“活地圖”。過去,高質量的大數據已深度賦能了醫院臨床及科研工作,腫瘤專科患者全景時間軸嵌入20余個業務系統,日均訪問量超過4.5萬次;醫院43個專病庫年檢索量逾200萬次,累積支撐3600個科研項目。

在此次醫療大模型的價值驗證過程中,高質量數據再次證明其不可替代的錨定價值。以TNM分期場景為例,通用模型需人工提供MRI、超聲、病理、癥狀、治療史等多類離散數據,而中腫上線的輔助決策助手可自動關聯患者數據,生成符合權威指南的可溯源分期建議。

臨床智能化的破局之道:場景化攻堅與體系化創新

孫穎教授在演講中詳細分享了中腫與醫渡科技合作攻克大模型落地挑戰的實踐經驗:

需求分化挑戰:統一建設的模型或應用常難以滿足專科醫生對專業深度的需求,也難以適配不同年資、崗位醫生的場景差異。為此,醫渡科技助力中腫上線"我的智能助手"應用,允許醫生根據個人診療經驗自主選擇患者數據、配置業務流程邏輯,按需搭建個性化智能體,真正將AI設計權交還臨床一線。該功能上線60天內快速孵化百余個臨床智能體,應用場景覆蓋MDT協作、患者宣教等領域,且每日新增智能體數量持續攀升。

大模型“幻覺”挑戰:孫穎教授強調,“幻覺”是醫療場景最不能接受的缺陷。AI醫療在應用中出現 “幻覺”,主要歸因于技術隨機性、訓練數據噪聲、人機交互誤導及認知邊界模糊。對此,醫渡科技技術團隊構建三級防控體系——通過多級數據清洗與權威知識注入優化訓練過程,結合邏輯驗證鏈與動態風險標簽系統強化推理嚴謹性,建立多維評測體系確保事實準確性與決策透明度,系統性化解"幻覺"風險。

例如傳統純提示詞驅動的大模型在病歷生成中存在數據捏造、速度遲緩、超上下文窗口、格式不規范等問題。中腫上線的智能病歷書寫功能可以實時查詢全量病歷,并基于醫渡科技沉淀的疾病知識圖譜實現診療事件精準提取,不僅規范病歷書寫減少錯誤,更將病歷生成耗時從5分鐘壓縮至30秒。

這樣的防“幻覺”體系亦應用在了輔助決策場景中,針對通常腫瘤TNM分期評估存在的多源異構數據篩選挑戰、醫學專業性與生成偏差、決策溯源機制缺失、分期標準迭代滯后、多版本知識庫兼容等問題,醫渡科技打造的輔助決策助手通過瘤種判定、RAG技術擴充領域知識、鏈式推理及智能反思機制工作流,提高決策專業性及可解釋性,減少誤判。

數據治理進階:為應對醫院"大體量、多類型、全維度"數據處理與"精準、穩定、高效"應用需求的雙重挑戰,中腫創新嘗試基于分級注意力機制的動態上下文管理方案,同時自定義智能助手應用也可以按場景要求不同,決定數據量和范圍。

知識進化體系:醫學知識迭代速度快,但大模型訓練數據存在時限性,同時新知識需與現有體系整合。中腫通過內外雙循環,內部實現多層次知識庫架構,包含核心穩定知識層和動態更新層,外部利用知識檢索增強技術,讓大模型實時獲取最新知識。

患者服務智能化:在如何利用大模型更有效地服務患者方面,孫穎教授提到通過基于大模型的就醫助手,患者可以享受到智能客服、智能分導診和報告解讀等便捷功能,從而簡化就醫流程。此外,患者病歷的智能總結和關鍵指標知識的查看功能,能夠幫助患者更清晰地了解自身健康狀況,而個性化的患教推送則進一步增強了患者的獲得感和參與感,使患者能夠更主動地管理自己的健康。這些智能化舉措共同致力于提升患者的就醫體驗和滿意度。

展望未來,中腫將與合作伙伴攜手,繼續深化多模態大模型的應用,加強數據整合與智能化分析,并積極探索前沿技術,推動腫瘤診療向更高精度和個性化發展。我們有理由相信,在AI技術的助力下,腫瘤專科診療將邁入一個全新的智能化時代,為患者帶來更多希望與福祉。同時,中腫的實踐經驗也將為其他醫療機構提供寶貴的借鑒與啟示,共同推動醫療健康事業的創新發展。