联影影智大模型研发应用一体化新范式-辅助医生书写病历和进行质控，减轻医生工作量

由企业大模型专家、AI算法工程师、医院信息部门和临床医生组建联合研发团队，在医院场景中直接开发、测试和应用大模型，实施研发应用一体化策略，加速大模型落地应用。基于多模态影像、通用文本、病历文书等语料，构建医疗影像-文本大模型和医疗文本大模型。前者突破传统AI影像的单病种、单器官的研发范式，充分利用大语言模型的文本理解能力，自动挖掘医学影像和诊断报告的相关性，实现大规模数据快速标注，融合语言生成和图像处理两种技术，构建图文混合模态的生成大模型，从医学影像直接生成诊断报告，实现一扫多查。后者通过学习大量专业语料和临床病历，辅助医生书写病历和进行质控，减轻医生工作量，提升书写质量和效率。

当前，医学影像AI已有不少落地场景，但大部分长于计算分析，尚不能直接产生报告，且对每个应用都要训练特定模型，训练时需要人工/半人工标注数据，标注工作耗时费力。因此，能够快速自动标注数据、实现多病同查、直接生成终报告的影像AI更为符合临床需要。

结构化、内容完整、数据准确、撰写及时的G质量病历是医疗安全和质量的重要保证，涉及医保支付和医院评价。完整病历包括入院记录、首程记录、鉴别诊断、手术计划、执行手术、手术记录、出院记录、术后随访等丰富内容，需要医生记录客观数据并进行大量推理，大大增加了医生负担。病历质控、结构化和辅助信息推断临床需求较大。

本项目主要基于自研的影智医疗大模型，直接采用“研发应用一体化”策略，组建由大模型专家、信息部门、算法工程师和临床专家的混合团队，在复旦大学附属中山医院内开展模型的训练、测试和应用。一是在影像科，开发落地医疗影像-文本大模型产品，突破传统的医疗影像AI模型的研发范式，实现从影像到完整报告的自动生成。二是在临床科室（心外和呼吸内科），开发落地医疗文本大模型产品，实现临床辅助诊断和电子病历辅助结构化书写。

医生根据影像书写报告的过程本质就是对影像进行专业的文本描述，我们基于这一点设计“图像-文本大模型”。“图像-文本大模型”具有显著的优势，不仅可以充分利用大语言模型LLM的语言理解能力，自动挖掘文本报告和医学影像内容的相关性，跳过繁琐的精细标注步骤，还可以打破单病种/单器官逐一攻克的研发范式，同时学习到多种器官、病灶的影像特征。

在中山医院影像科的开发工作中，我们重点针对G状动脉CT血管造影 (CCTA)、乳腺钼靶（FFDM)、胸部CT、脑部MR等多模态影像数据进行自动分析，目标是基于病人信息和医学影像快速生成放射影像报告。目前已经实现D一步目标——开发出一种通用的医学图像分割大模型gMIS，该大模型可以只使用少量新样本，就能快速拓展到新的器官或者病灶，如在大模型学习肾动脉血管分割任务时，仅需10个肾动脉训练数据就可以达到传统小模型需要使用200+个数据才能达到的性能水平，显著提升了医疗AI的研发效率。

影智文本大模型是基于100B token的中英文医学语料库训练而成，涵盖医学论文、教科书和诊断指南，确保了模型的专业性和准确性。该模型能根据住院病人的病历记录和医患对话信息，自动生成患者住院期间全流程不同阶段的结构化病历，如首次病程录、手术记录、单病种上报文件及出院小结等。同时，模型还能根据病史辅助生成诊断建议，供医生选择使用。此外，医生可利用本模型轻松完成临床文本数据的导入与管理。该产品在严格标准下的诊断准确率已达80%以上。在推理阶段，模型的处理速度G达50 token/s，USMLE 考试分数为74分（超过ChatGPT3.5得分），表明其专业水平符合医疗执业标准。此外，我们整合了RAG（检索增强的生成）技术，使模型在生成文本时能进行动态检索，提G生成内容的准确性和相关性，进一步提升医疗文本处理的效率和质量。

我们的模型能够在影像分析中自动完成复杂的数据处理，显著提升工作效率，减轻医务人员负担。此外，通过提供辅助诊断功能，模型能够为医生提供准确的诊断建议，帮助他们更快更准确地作出决策，从而提G医疗服务质量。

目前影智大模型已经在中山医院的几个科室落地使用。未来将通过知识服务收费和个人知识库嵌入为医生提供一个平台，使其能够根据个人需求进行自主创新，同时利用用户反馈进行模型的持续迭代。除了通过入院模式与医院进行合作外，也基于移动APP平台，吸引普通用户和医生用户参与。此外，我们也在构建算力生态和语料生态，以支持模型的广泛应用和持续发展。

本项目形成的技术可以平移到其他医院，从而构建一个开放和持续进步的商业模式。