當豆包大模型，成為臨床醫(yī)生的「醫(yī)助」
通常情況下，腫瘤病人病情復雜、病程長。當患者來見醫(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 預問診」智能體?；颊邟焯柡螅梢栽凇傅皆\通知頁面」，把過往的病史信息和相關(guān)資料拍照上傳。當患者到診看病時，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反饋結(jié)果，讓疼痛評估更精準及時。
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例復雜病例的多學科診療（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“多任務處理過載”，不僅導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科疾病，進入精準醫(yī)學時代，醫(yī)生的決策難度不斷上升、更加需要學習前沿知識。
為了進一步幫助醫(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，探索學科專家「醫(yī)助」、學習「助手」、科研「助手」等智能體。通過分學科的專業(yè)智能算法輔助醫(yī)生進行病情研判，來降低醫(yī)生認知負荷，提高診療決策的準確性與效率。
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文獻、做論文精讀、泛讀。在應對知識更新方面，美中愛瑞通過豆包大模型，探索能夠高效篩選、整理醫(yī)學知識的平臺，為醫(yī)生精準推送有價值的信息，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，進一步提升院內(nèi)服務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，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)
