凌晨一点，突发剧烈头痛，视力也开始模糊。在这种紧急情况下，使用通用AI助手寻求建议，往往只能得到“请及时就医”这样正确但无用的回答。用户真正需要的，是具备初步症状识别、风险评估和就医指引能力的专业助手。这正是当前通用大模型在医疗场景中的典型短板：● 缺乏专业医学知识体系，无法进行症状关联分析● 回答过于保守，难以提供具针对性的分级建议● 无法识别症状组合背后的潜在疾病类型差异现在，通过LLaMA-Factory Online平台，我们只需要2小时，就能基于CareGPT和Qwen3-8B模型，系统性地构建一个真正“懂症状、能判断”的智能医疗助手。实际效果对比如下：用户提问：“我突然剧烈头痛，视力模糊，可能是什么原因？通用模型回答虽然结构完整，但存在明显不足：建议过于保守，仅笼统地建议“观察症状”和“及时就医”，缺乏具体的风险评估和紧急情况指引，对急性症状的响应不够充分。微调后的医疗助手回答展现出明显的改进，回答涵盖了更全面的病因分析，从眼部问题到颅内状况，从血压因素到偏头痛，提供了更具参考价值的医学信息。虽然仍有优化空间，但已经展现出从“通用回复”到“专业解答”的明显进步。   这种具备症状初步分析、风险评估和明确就医指引的专业回应，正是通过CareGPT医疗语料与Qwen3-8B的高效微调实现的。在接下来的内容中，我将完整演示如何通过LLaMA Factory Online平台，在2小时内完成从数据准备、模型微调到效果验证的全流程。配置概览说明配置参数配置项是否预置说明模型Qwen3-8B是Qwen3-8B是一款轻量化的开源大语言模型，具备较强的通用语言理解与生成能力，支持多场景适配，且在医疗等垂直领域可通过领域适应训练进一步优化专业性，适配中小规模算力需求，兼顾性能与部署灵活性。数据集ChatMed_Consult_Dataset和HuatuoGPT2-SFT-GPT4-140K否ChatMed_Consult_Datase由Wei Zhu主导构建，是中文医疗问诊数据集，补全中文医疗LLM训练数据，供模型微调；HuatuoGPT2-SFT-GPT4-140K由FreedomIntelligence团队打造，是大规模中文医疗指令微调数据集，借GPT-4生成优质响应，提升医疗LLM指令能力，支撑监督微调。GPUH800*4（推荐）-模型规模较大，建议配置足够显存。微调方法lora-显著降低计算与存储成本，兼具高性能与部署灵活性。资源消耗预计使用推荐资源（H800*4）进行微调时微调过程总时长约2h16min。具体操作步骤步骤一：数据准备1.  下载数据集。数据集下载完成后，需上传至文件管理。● 下载ChatMed_Consult_Dataset数据集。● 下载HuatuoGPT2-SFT-GPT4-140K数据集。  2.  数据格式转换。LLaMA Factory作为主流的大语言模型微调框架，对医疗问诊类数据有明确的格式要求（需包含instruction、input、output核心字段，支持多轮对话的history字段可选）。针对ChatMed_Consult_Dataset数据集原有的 “query-response” 二元结构，需通过字段映射与格式重构，将其转换为LLaMA Factory兼容的数据格式。数据格式转换的具体步骤如下：a.  进入LLaMA-Factory Online平台，单击“控制台”，进入控制台后单击左侧导航栏的“实例空间”，然后在页面单击“开始微调”。  b.  在弹出的页面选择“CPU”，核数选择“2核”，然后单击“启动”。  c.  实例启动后，单击[VSCode处理专属数据]页签，进入VSCode编辑页面。您也可以根据需要打开JupyterLab处理数据，本示例指导您通过VSCode处理数据。d.  在VSCode页面左侧user-data/datasets目录下（如图①）新建一个.py后缀的文件（如图②），然后复制以下命令至文件中（如图③）。import json import pandas as pd import jsonlines from typing import List, Dict   def chatmed_to_llamafactory( input_path: str, output_path: str, instruction: str = "你是专业的医疗咨询助手，请根据用户的医疗问诊需求，提供准确、易懂的疾病解答、治疗建议与日常注意事项，回答需符合医学常识，同时提示用户最终需咨询专业医生确认诊断。" ) -> None:   raw_data: List[Dict] = [] with jsonlines.open(input_path, "r") as f: for line in f: raw_data.append(line) llamafactory_data: List[Dict] = [] for idx, item in enumerate(raw_data): try: if "query" not in item or "response" not in item: print(f"跳过第{idx+1}条数据：缺失query或response字段") continue converted_item = { "instruction": instruction, "input": item["query"].strip(), "output": item["response"].strip(), "history": [] } llamafactory_data.append(converted_item) except Exception as e: print(f"处理第{idx+1}条数据时出错：{str(e)}，已跳过") continue with open(output_path, "w", encoding="utf-8") as f: json.dump(llamafactory_data, f, ensure_ascii=False, indent=2) print(f"转换完成！原始数据共{len(raw_data)}条，有效转换{len(llamafactory_data)}条，输出路径：{output_path}")   if __name__ == "__main__": INPUT_FILE = "./ChatMed_Consult-v0.3.json" OUTPUT_FILE = "./datasets/multi-med.json" chatmed_to_llamafactory( input_path=INPUT_FILE, output_path=OUTPUT_FILE, )    e.  VSCode页面，新建一个终端，依次执行以下命令，进行数据格式转换（如图①和②）。conda activate /opt/conda/envs/lf python testshuju.py  💡提示testshuju.py为本示例新建的文件，请根据您的实际情况进行替换。回显信息如图③所示，说明数据格式转换成功，且转换后的数据存放在/datasets/multi-med.json中，即原数据集文件ChatMed_Consult_Dataset经格式转换后生成新的数据集文件multi-med。  3.  数据集检测。a.  返回LLaMA-Factory Online控制台，单击左侧导航栏的“文件管理”。b.  单击目标数据集右侧“操作”列的"数据集检测"，检测数据集。如下图所示，若“数据集格式检测”结果显示“符合”，则表示数据集符合格式要求。  步骤二：模型微调1.  进入LLaMA-Factory Online平台，单击“控制台”，进入控制台后单击左侧导航栏的“模型微调”进入页面。2.  选择模型和数据集，进行参数配置。○ 本实践使用平台内置的Qwen3-8B作为基础模型（如图①），数据集为ChatMed_Consult_Dataset（multi-med）和HuatuoGPT2-SFT-GPT4-140K（如图②）。○ 训练配置：选择“专家微调”（如图③）；“训练轮数”配置为“2”，“单CPU批处理大小”配置为“24”（如图④）。○ 分布式配置：打开“DeepSpeed”开关（如图⑤）。○ 资源配置：推荐卡数为4卡（如图⑥）。○ 选择价格模式：本实践选择“极速尊享”（如图⑦）。○ 开始训练：单击“开始训练”，开始模型训练。   💡提示配置模型与数据集后，系统将根据所需资源及其相关参数，动态预估任务运行时长及微调费用，您可在页面底部查看预估结果。 3.  通过任务中心查看任务状态。 在左侧边栏选择“任务中心”，在“模型微调”页面即可看到刚刚提交的任务。  单击任务框，可查看任务的详细信息、超参数、训练追踪和日志。  4.  任务完成后，模型自动保存在"文件管理->模型->output"文件夹中。可在"任务中心->基本信息->模型成果"处查看保存路径。     步骤三：模型评估1.  单击页面左侧导航栏的“模型评估”，进行评估训练配置。2.  微调模型选择上一步骤微调后的模型(如图①)，评估数据集为ChatMed_Consult_Dataset（multi-med）和HuatuoGPT2-SFT-GPT4-140K（如图②）。然后配置如下参数（如图③）：○ 单GPU批处理大小：设置为32。○ 截断长度：设置为2048。○ 最大生成长度：设置为1024。其他参数设置为默认即可。   💡提示配置模型与数据集后，系统将根据所需资源及其相关参数，动态预估任务运行时长及微调费用，您可在页面底部查看预估结果。 3.  可以在“任务中心->模型评估”下看到评估任务的运行状态。  4.  单击图标，进入任务基本信息查看页面。用户可查看评估任务的基本信息、日志以及评估结果。 步骤四：模型对话1.  单击页面左侧导航栏“模型对话”，进入模型对话页面。2.  在微调模型处选择目标模型名称（如图①），单击右上角“开始对话”（如图②），在弹出的对话框单击“立即对话”。  3.  在右侧配置栏的“System Prompt”处输入提示词(如图①)，在输入框中输入问题（如图②），单击发送；在对话框中查看对话详情（如图③）。   本次基于Qwen3-8B模型，采用LoRA方法在专业医疗数据集上的微调实践表明，该技术方案在保持模型通用能力的同时，显著提升了医疗问答的专业性和实用性。从技术演进角度看，微调后的模型与医疗系统深度融合将释放更大价值。这种"领域微调+系统集成"的技术路径，为AI在医疗等专业场景的落地提供了经过验证的解决方案。作为长期专注于大模型产业落地的技术架构师，我认为LLaMA-Factory Online平台为领域适配提供了高效的工程化路径，这种轻量化微调方案兼具效率与实用性，值得在更多专业场景中推广验证。PS.如何学习AI大模型？作为一名深耕大模型微调领域多年的技术架构师，我深知“纸上得来终觉浅”。在见证了上百个微调项目的成功与失败后，我深刻认识到，拥有一个清晰的学习路径和经过验证的实战资源是多么关键。为此，我特意整理了全套《大模型微调实战进阶宝典》，这份资料凝聚了我多年的实战经验，其中包含：《大模型微调实战避坑指南》：精选20+真实项目经验，解析训练发散、灾难性遗忘等高频难题《十大前沿行业微调白皮书》：汇集金融、医疗、汽车、法律、保险等众多领域大模型先锋案例《开箱即用微调数据集精选》：涵盖指令微调、对话、专业领域问答与代码生成等多个实战场景愿你能用它，快速撬动大模型在你业务中的巨大价值！

一、职位亮点1、引领前沿：投身于最热门的大模型（LLM）应用领域，设计和实现具有行业影响力的医疗/生命科学AI 产品。2、核心领域：专注于智能GCP 管理、智能受试者招募、医保监管、智能药品辅助审评等高价值应用场景。3、核心技术：深度应用RAG (检索增强生成)、工作流编排和向量/全文检索技术。4、团队管理：从零到一搭建并管理一支高效的大模型应用开发团队。二、岗位职责1、技术设计与开发1）负责公司大模型应用（如智能GCP 管理、辅助审评系统等）的架构设计、技术选型和核心模块开发。2）主导基于RAG（Retrieval-Augmented Generation）技术栈的实现与优化，确保模型输出的准确性和时效性。3）设计和实现复杂的大模型工作流(Workflow) 编排，利用Agent 和工具调用提升应用场景的覆盖率和自动化水平。4）负责集成和优化Elasticsearch (ES) 或其他向量数据库/搜索引擎，实现高效、低延迟的知识检索和数据索引。持续跟踪和研究最新的大模型技术趋势和开源工具链，并将其落地到产品中。2、团队管理与指导1）作为团队技术负责人，指导和培养团队成员，确保代码质量和开发效率。2）负责制定项目的技术路线图、开发计划和资源分配。3）与产品、业务团队紧密合作，将需求转化为可落地的技术解决方案。三、任职要求1、核心技能与经验1）教育背景：计算机、软件工程、人工智能等相关专业本科及以上学历，国内外知名院校优先。2）工作年限：具备2 年及以上全职软件开发或AI 工程经验，其中至少1 年专注于大模型应用开发。2、硬核技术：1）精通至少一种主流编程语言（如python 等），具备扎实的计算机科学基础。2）具备RAG（检索增强生成）相关系统的设计、实现和性能调优经验，熟悉相关框架（如LangChain, LlamaIndex）。3）熟悉工作流/任务编排工具或理念，能设计和实现复杂的Agent 工作流。4）熟练使用和管理Elasticsearch (ES) 或向量数据库，进行高效的知识检索和数据索引。3、领导力与软技能1）具备团队领导或技术指导经验，能够独立带领项目小组完成高难度技术攻关。2）优秀的沟通协调能力和问题解决能力。4、优先条件(加分项)1）垂直领域经验：曾在医疗大数据、医疗人工智能、生物医药、生命科学、医药研发（如CRO/SMO）等企业或相关部门工作。2）审评与合规知识：对以下任一领域有实际系统开发经验或深入的业务理解：3）电子通用技术文档（eCTD）或医疗器械审评系统。4）医保控费规范、DRG/DIP 相关系统的设计与实施。5）GCP 管理规范、药物审评流程、临床试验流程等。6）有处理和清洗医疗文本数据（如病历、临床试验报告、医学文献）的经验。7）有从零到一构建过高并发、高可用的大模型应用系统经验。 工作地点：北京中关村

一、职位亮点1、前沿实践：直接参与大模型（LLM）在医疗行业的落地应用，积累实战经验。2、核心技术：全面学习和实践RAG (检索增强生成)、工作流编排、Elasticsearch/向量数据库等核心技术。3、垂直深耕：深度接触智能GCP 管理、受试者招募、医保监管、药品辅助审评等高价值医疗业务场景。4、导师制度：由资深工程师和团队负责人进行一对一指导。二、岗位职责1、参与LLM 应用开发1）在高级工程师的指导下，参与基于大模型的新产品和新功能的设计、编码和测试工作。2）负责实现和优化RAG（检索增强生成）系统的特定模块，提升知识检索效率和准确性。3）参与大模型工作流(Workflow) 的实现和维护，确保业务流程的顺畅执行。4）协助进行数据预处理、模型评估和部署工作，保障系统的稳定性和性能。2、技术研究与学习1）学习和掌握Elasticsearch (ES)或向量数据库的使用与维护，负责相关数据的索引和查询。2）积极跟进最新的大模型技术和工具链，并将其应用于日常开发任务中。3、协助团队进行代码审查和文档编写。任职要求1、核心能力与背景教育背景：计算机、软件工程、人工智能等相关专业本科及以上学历，国内/外知名院校优先。2、专业基础：1）扎实的计算机科学基础，精通至少一种主流编程语言（如Python），具备良好的编码规范和习惯。2）对大模型（LLM）的机制、应用场景、Prompt Engineering 有基本了解和浓厚兴趣。3）了解RAG（检索增强生成）、工作流和信息检索的基本原理。3、学习与潜力：1）极强的主动学习能力和技术探索精神，能够快速适应新技术栈。2）具备良好的逻辑分析能力和解决问题的能力。4、优先条件(加分项)，我们优先考虑具备以下经验或知识背景的候选人：1）行业兴趣：对医疗大数据、医疗人工智能、生物医药、生命科学等垂直领域有强烈的兴趣或项目经验。2）技术项目经验：在校期间有基于LLM、RAG、或使用LangChain/LlamaIndex 等框架的实际项目经验。有使用过Elasticsearch (ES) 或向量数据库（如Milvus、Weaviate）项目实践经验。3）行业知识储备：对医保控费规范、DRG/DIP、eCTD、医疗器械审评或GCP 管理规范等任一领域有过初步的调研或学习。有活跃的GitHub 开源项目贡献或参与过相关技术竞赛。 工作地点：北京中关村地铁站

根据步骤都配置好了，但是运行时还是报错

9月12日，2023金域医学“域见杯”医检人工智能开发者大赛圆满落下帷幕。经过近三个月的角逐后，“Z lab”团队在728支参赛队伍中脱颖而出，摘得赛题一“智能临床咨询模型”的桂冠；“道”团队在513支参赛队伍中突出重围，在赛题二“智能染色体核型分析结果解读模型”中拔得头筹！2023“域见杯”医检人工智能开发者大赛由金域医学携手华为云举办，是面向全球医学检验人工智能的交流赛事。开发者利用人工智能算法辅助医生找到最优的治疗方案，共同探索生物医药技术与新一代信息技术融合创新的应用场景，重构医检产业价值。不论是对智慧医检领域，还是对金域医学和华为公司来说，“域见杯”不仅是一场比赛，更是一次重大探索。在颁奖典礼上，金域医学集团董事长兼首席执行官梁耀铭表示，“域见杯”不仅激发了开发者对医检人工智能赛道的浓厚兴趣，也正在让凝聚医检生态伙伴成为现实，实现培养交叉复合型人才、构建智慧医检新范式的大赛设置初衷。华为云EI服务产品部部长尤鹏表示，“域见杯”是华为公司和金域医学在AI领域合作的一个关键里程碑。在未来，华为公司将持续构建AI技术能力，结合金域医学丰富的行业知识和实践，切实提升医检行业的智能化水平。那么，对于这些有想法、敢于颠覆的开发者们来说，“域见杯”又是怎样的存在呢？video第一印象：“域见杯”的独特之处对于许多参赛的开发者们来说，能够接触“医检领域”是深深吸引自己来参赛的原因之一。“我感觉我们选择的‘智能染色体核型分析结果解读模型’赛题，对造福人类还是比较有实际意义的。” 吴嘉谞来自赛题二的亚军团队——智能网优，他认为这种医检领域的比赛实用性很强，不仅与自己的身体密切相关，更是与未来的医检发展密不可分。赛题二冠军团队“道”的刘京乔在接受采访时表示，参赛除了可以获得荣誉，有机会接触、学习医检相关的知识也是吸引自己的地方。另外四支进入决赛的团队都表达了同样的感受，开发者们勇于跳出自己熟悉的领域，在一个新的领域里继续学习、不断成长。除此之外，来自赛题一季军团队“我尊重挺身而出的人”的赵国梁认为，这次大赛是结合AI技术的文本生成类比赛，可以借此锻炼自己的工程能力和算法设计。在AIGC和大模型的浪潮下，参加“域见杯”不仅能够亲身体验科技前沿技术，也是一个可以拓宽知识视野、挑战自己技术能力的机会，更是可以为未来职业发展积累宝贵经验。“MedicalLM”团队的屈渝立就被这股浪潮所吸引，因此投身其中。他认为比赛提供了宝贵的实践机会，帮助自己更好地了解和学习这些技术。其实，屈渝立已经连续两届都进入了“域见杯”总决赛。当被问到为什么会连续两年来参加时，他是这么回答的：“‘域见杯’的一个特点就是，参赛所运用的技术是当前AI领域的最新的技术，而且每一届的题目都具有很高的实际应用价值。”屈渝立还表示，每届“域见杯”的参赛体验都非常好，不论是比赛流程、评分环节还是颁奖环节，都非常专业。突破瓶颈，“域见”更好的自己遇到瓶颈、突破瓶颈是成长的必经之路。在本次比赛中，各个参赛队伍遇到的瓶颈各不相同，例如数据量小、缺乏相关经验、回答范式与常见问答范式不同等。但是这难不倒爱思考、勇于突破自我的开发者们。“Z lab”团队首先根据实验对比，选择了一种实验效果最好的backbone，经过对论文的不断深挖研究，选择了最合适的方式通过预训练，一举夺得冠军。 “智能网优”团队则是与大部分其他团队反其道而行，在尝试多种模型后，选择了泛化性更好的small模型。“asdf”和“CVTEDMer”团队选择同时参加了两道赛题的比赛。参赛选手们需要针对不同的赛题进行更有针对性地分析，也需要耗费更多的精力去研究、尝试和学习。但他们不仅突破了在赛题中遇到的瓶颈，更突破了自我能力的瓶颈，在两道赛题中均取得优异成绩。大胆的创新和尝试，以及根据现状冷静、认真地分析，一次次地尝试、一次次地调整、一次次地不断突破自我，最终他们成就了更好的自己。[1] 触类旁通，助力智慧医检创新发展参赛选手的突破不仅局限在熟悉的技术里提升自我，更体现在打破行业间的壁垒，推动医检领域行业创新。吴嘉谞来自通信行业，在学习金域医学的AI应用落地过程中，发现有许多地方都与自己所属的行业有一致性，包括解决方案、落地手段和遇到的困难等等，他表示深受启发，已经迫不及待想将这些经验和方法复用在实际工作中。“Z lab”团队表示，这次参赛最大的感受就是跨界医检可以促进知识的交叉与创新。不同领域的专业人员互相启发，将自己的经验与思路应用到医检行业中，为产生更多创新性的设计方案与技术路径增加可能性。尽管大多数参赛选手的专业背景或职业领域与医检行业本无交集，但他们把自身积累的知识和经验引入智慧医检领域，并以独特的视角重新审视医检行业，从而带来了创新和活力。不仅如此，他们还把在比赛中获得的经验和见解带回了自己的领域。这种知识的交流和跨界合作，不仅促进了医检行业的不断创新，也丰富了其他行业的思维和方法，为整个科技领域带来了更广泛的影响。这正是多元化和跨界合作的力量。本届“域见杯”已圆满落下帷幕，但是智慧医检的发展还需要不断推动和创新。期待在未来，参赛选手们的经验与方法可以在智慧医检领域落地应用，协助医生和患者解决实际问题，提供更好的医学检测服务，真正做到普惠AI。

9月12日，2023金域医学“域见杯”医检人工智能开发者大赛圆满落下帷幕。经过近三个月的角逐后，“Z lab”团队在728支参赛队伍中脱颖而出，摘得赛题一“智能临床咨询模型”的桂冠；“道”团队在513支参赛队伍中突出重围，在赛题二“智能染色体核型分析结果解读模型”中拔得头筹！2023“域见杯”医检人工智能开发者大赛由金域医学携手华为云举办，是面向全球医学检验人工智能的交流赛事。开发者利用人工智能算法辅助医生找到最优的治疗方案，共同探索生物医药技术与新一代信息技术融合创新的应用场景，重构医检产业价值。不论是对智慧医检领域，还是对金域医学和华为公司来说，“域见杯”不仅是一场比赛，更是一次重大探索。在颁奖典礼上，金域医学集团董事长兼首席执行官梁耀铭表示，“域见杯”不仅激发了开发者对医检人工智能赛道的浓厚兴趣，也正在让凝聚医检生态伙伴成为现实，实现培养交叉复合型人才、构建智慧医检新范式的大赛设置初衷。华为云EI服务产品部部长尤鹏表示，“域见杯”是华为公司和金域医学在AI领域合作的一个关键里程碑。在未来，华为公司将持续构建AI技术能力，结合金域医学丰富的行业知识和实践，切实提升医检行业的智能化水平。那么，对于这些有想法、敢于颠覆的开发者们来说，“域见杯”又是怎样的存在呢？video第一印象：“域见杯”的独特之处对于许多参赛的开发者们来说，能够接触“医检领域”是深深吸引自己来参赛的原因之一。“我感觉我们选择的‘智能染色体核型分析结果解读模型’赛题，对造福人类还是比较有实际意义的。” 吴嘉谞来自赛题二的亚军团队——智能网优，他认为这种医检领域的比赛实用性很强，不仅与自己的身体密切相关，更是与未来的医检发展密不可分。赛题二冠军团队“道”的刘京乔在接受采访时表示，参赛除了可以获得荣誉，有机会接触、学习医检相关的知识也是吸引自己的地方。另外四支进入决赛的团队都表达了同样的感受，开发者们勇于跳出自己熟悉的领域，在一个新的领域里继续学习、不断成长。除此之外，来自赛题一季军团队“我尊重挺身而出的人”的赵国梁认为，这次大赛是结合AI技术的文本生成类比赛，可以借此锻炼自己的工程能力和算法设计。在AIGC和大模型的浪潮下，参加“域见杯”不仅能够亲身体验科技前沿技术，也是一个可以拓宽知识视野、挑战自己技术能力的机会，更是可以为未来职业发展积累宝贵经验。“MedicalLM”团队的屈渝立就被这股浪潮所吸引，因此投身其中。他认为比赛提供了宝贵的实践机会，帮助自己更好地了解和学习这些技术。其实，屈渝立已经连续两届都进入了“域见杯”总决赛。当被问到为什么会连续两年来参加时，他是这么回答的：“‘域见杯’的一个特点就是，参赛所运用的技术是当前AI领域的最新的技术，而且每一届的题目都具有很高的实际应用价值。”屈渝立还表示，每届“域见杯”的参赛体验都非常好，不论是比赛流程、评分环节还是颁奖环节，都非常专业。突破瓶颈，“域见”更好的自己遇到瓶颈、突破瓶颈是成长的必经之路。在本次比赛中，各个参赛队伍遇到的瓶颈各不相同，例如数据量小、缺乏相关经验、回答范式与常见问答范式不同等。但是这难不倒爱思考、勇于突破自我的开发者们。“Z lab”团队首先根据实验对比，选择了一种实验效果最好的backbone，经过对论文的不断深挖研究，选择了最合适的方式通过预训练，一举夺得冠军。 “智能网优”团队则是与大部分其他团队反其道而行，在尝试多种模型后，选择了泛化性更好的small模型。“asdf”和“CVTEDMer”团队选择同时参加了两道赛题的比赛。参赛选手们需要针对不同的赛题进行更有针对性地分析，也需要耗费更多的精力去研究、尝试和学习。但他们不仅突破了在赛题中遇到的瓶颈，更突破了自我能力的瓶颈，在两道赛题中均取得优异成绩。大胆的创新和尝试，以及根据现状冷静、认真地分析，一次次地尝试、一次次地调整、一次次地不断突破自我，最终他们成就了更好的自己。[1] 触类旁通，助力智慧医检创新发展参赛选手的突破不仅局限在熟悉的技术里提升自我，更体现在打破行业间的壁垒，推动医检领域行业创新。吴嘉谞来自通信行业，在学习金域医学的AI应用落地过程中，发现有许多地方都与自己所属的行业有一致性，包括解决方案、落地手段和遇到的困难等等，他表示深受启发，已经迫不及待想将这些经验和方法复用在实际工作中。“Z lab”团队表示，这次参赛最大的感受就是跨界医检可以促进知识的交叉与创新。不同领域的专业人员互相启发，将自己的经验与思路应用到医检行业中，为产生更多创新性的设计方案与技术路径增加可能性。尽管大多数参赛选手的专业背景或职业领域与医检行业本无交集，但他们把自身积累的知识和经验引入智慧医检领域，并以独特的视角重新审视医检行业，从而带来了创新和活力。不仅如此，他们还把在比赛中获得的经验和见解带回了自己的领域。这种知识的交流和跨界合作，不仅促进了医检行业的不断创新，也丰富了其他行业的思维和方法，为整个科技领域带来了更广泛的影响。这正是多元化和跨界合作的力量。本届“域见杯”已圆满落下帷幕，但是智慧医检的发展还需要不断推动和创新。期待在未来，参赛选手们的经验与方法可以在智慧医检领域落地应用，协助医生和患者解决实际问题，提供更好的医学检测服务，真正做到普惠AI。

历时近3个月，海内外超1200支队伍参赛——9月12日，由广州市科学技术局、广州市工业和信息化局指导，广州金域医学检验集团和广东省人工智能产业协会主办，广州人工智能公共算力中心协办，华为云计算技术有限公司提供技术支持的2023“域见杯”医检人工智能开发者大赛圆满落幕。“Z Lab”战队、“道”战队分别夺得两道赛题的桂冠，各斩获10万元奖金。▲总决赛现场在颁奖典礼上，由金域医学承建的临床检验与病理诊断人工智能开放创新平台正式上线。这也是中国医检行业首个人工智能开放创新平台，可满足开发者从数据管理到应用部署的一站式AI研发需求，具备全栈式、全流程、全场景的特点。平台的上线，将为国内智慧医检生态建设提速加码。▲广州市科技局党组成员、副局长孙翔致辞广州市科技局副局长孙翔表示，“域见杯”医检人工智能开发者大赛吸引了众多优秀的团队和个人，进一步激发了医学和信息技术交叉人才的潜力，也为后续人工智能应用研发及其转化落地提供了标杆性的示范作用。临床检验与病理诊断人工智能开放创新平台的上线，可以让优质的开放创新资源辐射全产业链，从而更好地构建生物技术和新一代信息技术融合的医检人工智能生态。▲金域医学集团董事长兼首席执行官梁耀铭致辞“连续两年举办‘域见杯’，我们欣喜地发现越来越多的开发者对医检人工智能赛道产生了浓厚的兴趣，正在逐步实现凝聚医检生态伙伴，培养交叉复合型人才，构建智慧医检新范式的大赛设置初衷。”金域医学集团董事长兼首席执行官梁耀铭表示，金域医学也将借助医检人工智能开放创新平台的上线，构建共创、共享、共赢的智慧医检创新生态，助力广东抢占国内乃至全球智慧医检发展制高点，让更多百姓享受高效、可及、精准的诊疗服务。▲华为云EI服务产品部部长尤鹏致辞华为云EI服务产品部部长尤鹏表示，本次大赛，是华为公司和金域医学在AI领域合作的一个关键里程碑，也是双方携手面向未来的一次重大探索。作为国内AI领域的深度参与者和贡献者，华为推出了自己的盘古大模型，重塑千行百业。面向未来，华为公司将继续做好服务，持续构建AI技术能力，结合金域医学丰富的行业知识和实践，将技术转化为实实在在的服务能力，切实提升医检行业的智能化水平，提升诊疗效率，为广大老百姓提供更好的医学检测服务，真正实现普惠AI。聚焦医检AIGC应用吸引超千支队伍参赛当前，人工智能发展迎来“新风口”。随着AIGC技术热浪不断席卷，国内人工智能大模型发展“百花齐放”，正从通用大模型逐步渗透进千行百业的各个环节。2023“域见杯”医检人工智能开发者大赛的举办，正是为了汇聚更多人才，更好地探索开发医检AIGC技术落地应用。大赛围绕医学自然语言处理主题，设置“智能临床咨询模型”“智能染色体核型分析结果解读模型”双赛题。赛题设置紧跟技术热点、训练数据源自真实医疗场景等特点降低了开发者们打榜的门槛，吸引了高校、个人、科研机构和企业等众多选手参赛。本届大赛参赛规模远超去年首届，累计超1200支队伍参赛。其中，有不少队伍具备一定医疗领域人工智能开发参赛的经验，同时向两道赛题发起挑战。▲华为云人工智能领域首席科学家田奇进行赛事回顾及技术总结“本届比赛涌现了不少亮点。”华为云人工智能领域首席科学家田奇指出，选手们采用多种技术前沿（SOTA）的深度神经网络模型进行打榜；算法开发上，选手在开源算法基础上加入自己对赛题的理解，改进了算法。“由于赛题涉及医疗专业场景，有较多难懂的医疗数据，部分选手提出新的方法，有效提升模型在长难案例上的整体表现，让我们看到开发者在生物技术和新一代信息技术交叉领域，可以释放更多潜能。”▲“Z Lab”战队斩获“智能临床咨询模型”赛题一等奖▲ “道”战队斩获“智能染色体核型分析结果解读模型”赛题一等奖决赛当天，两个赛题各前6名的队伍齐聚广州作最后的角逐，“Z Lab”战队、“道”战队分别夺得桂冠，各斩获10万元奖金。医检人工智能发展面临数据、算法、算力三大挑战随着人工智能大模型渗透进千行百业，对开发者而言，产业实践已成为衡量模型价值的重要标准。大赛为想要在医疗人工智能领域有所发展的开发者们提供了舞台，吸引了上千名开发者竞相角逐，但这远远不够。医检人工智能的发展，面临数据、算法、算力三大挑战。人工智能开发需要大量高质量数据，而国内大部分医疗数据存储于各级医疗机构，业务系统相对独立，数据较难实现共享，存在明显的“数据孤岛”现象，可供训练的真实场景数据集有限。即便得到了大量的医疗数据，如何对离散的海量医学专业数据进行处理、统计和分析，通过模型进行有效的整合，是另一个挑战。特别是，医疗行业的严谨性对模型的精确度要求更高，从而对算法和算力提出了更高的要求。最后，开发出来的医学人工智能成果存在规模化落地的困境，数据与算法模型的产、供、销缺乏产业链资源支撑，都成为制约医检人工智能进一步发展与落地的重要因素。医检人工智能行业急需一个专有的平台，满足个人及企业开发者对训练、开发、应用和分享的需求。▲临床检验与病理诊断人工智能开放创新平台正式上线为解决以上痛点，作为医检人工智能领域的先行者，金域医学利用所拥有超10PB 数据量的全球领先的东方人种大样本、大数据库,积极开展数字化转型工作，取得了成效。2020年，广东省科技厅发布第三批“广东省新一代人工智能开放创新平台”名单，金域医学正式承建“临床检验与病理诊断广东省新一代人工智能开放创新平台”。医检人工智能开发者有了自己的专属平台9月12日，由金域医学承建的临床检验与病理诊断人工智能开放创新平台正式上线，医检人工智能开发者将有自己的专属平台。通过算力、算法、数据、模型共享，平台可向创业公司、医疗科研机构、个人开发者、行业专家等用户提供服务，满足了开发者从数据训练到人工智能应用部署的全流程开发需求，包含数据处理、开发训练、模型管理、在线部署等。开发者可以在平台上使用公开数据集进行模型训练；也可获得普惠价格的算力，支撑数据处理、各类模型的开发。此外，平台一站式模型训练服务，为用户提供主流算法框架和开发框架、丰富的算力资源及合规可用的训练数据，最大限度地降低研发成本，吸纳产业创新资源集聚。目前，该平台已上线多项经过医检医学专家处理过的疾病诊断数据集，实现样本资源、高质量医检数据与病例标注数据的安全共享，降低开发门槛。通过稳定可靠、可持续创新的云服务构建，平台可以保护用户数据安全，同时提供联邦学习能力，满足多方开发者在数据不出域的情况下完成通用模型的训练。

历时近3个月，海内外超1200支队伍参赛——9月12日，由广州市科学技术局、广州市工业和信息化局指导，广州金域医学检验集团和广东省人工智能产业协会主办，广州人工智能公共算力中心协办，华为云计算技术有限公司提供技术支持的2023“域见杯”医检人工智能开发者大赛圆满落幕。“Z Lab”战队、“道”战队分别夺得两道赛题的桂冠，各斩获10万元奖金。▲总决赛现场在颁奖典礼上，由金域医学承建的临床检验与病理诊断人工智能开放创新平台正式上线。这也是中国医检行业首个人工智能开放创新平台，可满足开发者从数据管理到应用部署的一站式AI研发需求，具备全栈式、全流程、全场景的特点。平台的上线，将为国内智慧医检生态建设提速加码。▲广州市科技局党组成员、副局长孙翔致辞广州市科技局副局长孙翔表示，“域见杯”医检人工智能开发者大赛吸引了众多优秀的团队和个人，进一步激发了医学和信息技术交叉人才的潜力，也为后续人工智能应用研发及其转化落地提供了标杆性的示范作用。临床检验与病理诊断人工智能开放创新平台的上线，可以让优质的开放创新资源辐射全产业链，从而更好地构建生物技术和新一代信息技术融合的医检人工智能生态。▲金域医学集团董事长兼首席执行官梁耀铭致辞“连续两年举办‘域见杯’，我们欣喜地发现越来越多的开发者对医检人工智能赛道产生了浓厚的兴趣，正在逐步实现凝聚医检生态伙伴，培养交叉复合型人才，构建智慧医检新范式的大赛设置初衷。”金域医学集团董事长兼首席执行官梁耀铭表示，金域医学也将借助医检人工智能开放创新平台的上线，构建共创、共享、共赢的智慧医检创新生态，助力广东抢占国内乃至全球智慧医检发展制高点，让更多百姓享受高效、可及、精准的诊疗服务。▲华为云EI服务产品部部长尤鹏致辞华为云EI服务产品部部长尤鹏表示，本次大赛，是华为公司和金域医学在AI领域合作的一个关键里程碑，也是双方携手面向未来的一次重大探索。作为国内AI领域的深度参与者和贡献者，华为推出了自己的盘古大模型，重塑千行百业。面向未来，华为公司将继续做好服务，持续构建AI技术能力，结合金域医学丰富的行业知识和实践，将技术转化为实实在在的服务能力，切实提升医检行业的智能化水平，提升诊疗效率，为广大老百姓提供更好的医学检测服务，真正实现普惠AI。聚焦医检AIGC应用吸引超千支队伍参赛当前，人工智能发展迎来“新风口”。随着AIGC技术热浪不断席卷，国内人工智能大模型发展“百花齐放”，正从通用大模型逐步渗透进千行百业的各个环节。2023“域见杯”医检人工智能开发者大赛的举办，正是为了汇聚更多人才，更好地探索开发医检AIGC技术落地应用。大赛围绕医学自然语言处理主题，设置“智能临床咨询模型”“智能染色体核型分析结果解读模型”双赛题。赛题设置紧跟技术热点、训练数据源自真实医疗场景等特点降低了开发者们打榜的门槛，吸引了高校、个人、科研机构和企业等众多选手参赛。本届大赛参赛规模远超去年首届，累计超1200支队伍参赛。其中，有不少队伍具备一定医疗领域人工智能开发参赛的经验，同时向两道赛题发起挑战。▲华为云人工智能领域首席科学家田奇进行赛事回顾及技术总结“本届比赛涌现了不少亮点。”华为云人工智能领域首席科学家田奇指出，选手们采用多种技术前沿（SOTA）的深度神经网络模型进行打榜；算法开发上，选手在开源算法基础上加入自己对赛题的理解，改进了算法。“由于赛题涉及医疗专业场景，有较多难懂的医疗数据，部分选手提出新的方法，有效提升模型在长难案例上的整体表现，让我们看到开发者在生物技术和新一代信息技术交叉领域，可以释放更多潜能。”▲“Z Lab”战队斩获“智能临床咨询模型”赛题一等奖▲ “道”战队斩获“智能染色体核型分析结果解读模型”赛题一等奖决赛当天，两个赛题各前6名的队伍齐聚广州作最后的角逐，“Z Lab”战队、“道”战队分别夺得桂冠，各斩获10万元奖金。医检人工智能发展面临数据、算法、算力三大挑战随着人工智能大模型渗透进千行百业，对开发者而言，产业实践已成为衡量模型价值的重要标准。大赛为想要在医疗人工智能领域有所发展的开发者们提供了舞台，吸引了上千名开发者竞相角逐，但这远远不够。医检人工智能的发展，面临数据、算法、算力三大挑战。人工智能开发需要大量高质量数据，而国内大部分医疗数据存储于各级医疗机构，业务系统相对独立，数据较难实现共享，存在明显的“数据孤岛”现象，可供训练的真实场景数据集有限。即便得到了大量的医疗数据，如何对离散的海量医学专业数据进行处理、统计和分析，通过模型进行有效的整合，是另一个挑战。特别是，医疗行业的严谨性对模型的精确度要求更高，从而对算法和算力提出了更高的要求。最后，开发出来的医学人工智能成果存在规模化落地的困境，数据与算法模型的产、供、销缺乏产业链资源支撑，都成为制约医检人工智能进一步发展与落地的重要因素。医检人工智能行业急需一个专有的平台，满足个人及企业开发者对训练、开发、应用和分享的需求。▲临床检验与病理诊断人工智能开放创新平台正式上线为解决以上痛点，作为医检人工智能领域的先行者，金域医学利用所拥有超10PB 数据量的全球领先的东方人种大样本、大数据库,积极开展数字化转型工作，取得了成效。2020年，广东省科技厅发布第三批“广东省新一代人工智能开放创新平台”名单，金域医学正式承建“临床检验与病理诊断广东省新一代人工智能开放创新平台”。医检人工智能开发者有了自己的专属平台9月12日，由金域医学承建的临床检验与病理诊断人工智能开放创新平台正式上线，医检人工智能开发者将有自己的专属平台。通过算力、算法、数据、模型共享，平台可向创业公司、医疗科研机构、个人开发者、行业专家等用户提供服务，满足了开发者从数据训练到人工智能应用部署的全流程开发需求，包含数据处理、开发训练、模型管理、在线部署等。开发者可以在平台上使用公开数据集进行模型训练；也可获得普惠价格的算力，支撑数据处理、各类模型的开发。此外，平台一站式模型训练服务，为用户提供主流算法框架和开发框架、丰富的算力资源及合规可用的训练数据，最大限度地降低研发成本，吸纳产业创新资源集聚。目前，该平台已上线多项经过医检医学专家处理过的疾病诊断数据集，实现样本资源、高质量医检数据与病例标注数据的安全共享，降低开发门槛。通过稳定可靠、可持续创新的云服务构建，平台可以保护用户数据安全，同时提供联邦学习能力，满足多方开发者在数据不出域的情况下完成通用模型的训练。

我家楼上有个独居男士猝死（老婆早去世，女儿在外地不太联系），过了一周才被发现。现在单身人士越来越多，独居人士也越来越多，猝死好几天不被发现的也会越来越多。再看胡鑫宇案，失踪一个月都不知道是否还在人世。运动猝死，意外猝死也不在少数。我请求华为相关开发人士，能不能在手环或手表里添加一个功能：检测心脏骤停，如果检测到心脏停止，给出心脏骤停提示，并发出警示音，同时自动拨打指定电话（未拨通时，反复拨打指定次数）。这个功能可以在手表取下来后自动关闭。谢谢

近年来，随着人工智能、大数据等技术的蓬勃发展，各大医疗机构都在积极探索数字化转型道路，加强信息化、智能化医疗建设。智能自动化技术为医疗模式的改革按下了加速键，极大提升了医疗服务质量。作为医院的高频工作之一，传统模式下的门诊记录导入工作存在操作繁杂、耗时长、效率低等诸多痛点。医生每天需要把门诊流程记录导入到病案管理系统中，其中涉及5个数据文件，包括医生门诊日志文件、工时诊疗人次日志文件、手术收费项目明细文件、医生信息对照表、门诊科号科别对照表。将各文件逐一下载后，需整理成医生门诊流程文档再导入病案管理系统中。整个操作流程步骤重复繁琐并占用医生大量的时间，难以提升信息化医疗服务水平。基于以上痛点，引入华为WeAutomate后可大幅提升工作效率，实现从下载文件到录入系统的全流程自动化。■  第一步，分别下载5项数据文件； ■  第二步，生成门诊日志； ■  第三步，登录病案管理系统； ■  第四步，上传门诊日志。 在华为WeAutomate的帮助下，原本每天需耗时30分钟左右的工作，现在只需几分钟即可完成，实现数据下载、上传的全流程自动化。不仅做到错误率趋近于零，还将医生从重复繁琐的工作中释放出来，使医务人员有更多的时间专注于更有价值的工作。除了以上门诊日志自动录入流程外，华为WeAutomate目前已被应用到医疗领域的多场景中，如儿保催检、建档自动化、新冠疫苗接种人数统计等，可辅助医务人员操作一系列重复枯燥的工作，提升医疗服务信息化水平。在今天的人工智能时代，新医疗改革对医疗行业的数字化转型提出了更高的要求。华为WeAutomate打造的智慧医疗解决方案成为各大医疗机构的重要抓手，助力改善医疗服务、提升民众就医体验，打造数字化医疗机构。 作者：HUAWEI WeAutomate来源：HUAWEI WeAutomate公众号

随着医疗改革的不断深入，医疗行业迎来了巨大的挑战与机遇，各大医疗机构都在积极探索数字化转型道路，加强信息化、智能化医疗建设。而RPA作为自动化技术，具备弱耦合性、高效率、易用和投资回报率高等特性，被越来越多的企业组织广泛应用，可为其打造独具创新的竞争壁垒。作为社康医院的高频工作之一，儿童催检业务流存在数据孤岛、运营效率低下等诸多痛点。其中儿童数量众多，所涵盖的月龄包括3月龄、6月龄、8月龄等6个范围。而且随着时间的推移，儿童的月龄也随之增长，这需要医疗工作人员跨平台导出数据，再进行数据处理。整个操作流程需多人协作，耗费大量的时间从繁冗数据中查找相关信息，医疗工作人员压力大难以提升信息化医疗服务水平。基于以上痛点，引入华为WeAutomate RPA后可有效解决数据处理复杂的难题，实现从登录系统到确认名单的全流程自动化。     •  第一步：登录妇幼系统     •  第二步：选择日期，按规则查找     •  第三步：获取儿童基本信息     •  第四步：登录疫苗预约系统     •  第五步：导出相关数据     •  第六步：将在2个系统中抓取的数据进行匹配     •  第七步：把最终名单发送到医生邮箱除了以上儿童催检流程外，社康医院还将华为RPA应用到建档业务场景中，可代替医务人员操作一系列重复枯燥的录入工作，轻松实现建档全流程自动化。总的来说，在华为RPA的帮助下，原本每个月需耗时1-2天的工作，现在只需1小时左右即可完成，实现数据处理自动化、建档信息自动化等。不仅达到错误率趋近于零，还可以大幅提高工作效率，使医务人员有更多的时间专注于更有价值的工作，提升医疗服务信息化水平。在今天的人工智能时代，新医疗改革对医疗行业的数字化转型提出了更高的要求。华为打造的RPA+AI+低代码解决方案可成为医疗机构进行业务流程和运营模式转型的重要引擎，助力智慧医疗建设，打造数字化医疗机构。  

自古以来，甘肃便是我国中医药文化的重要发源地，孕育了医药鼻祖伏羲、中华医祖岐伯，也孕育了这片土地上世世代代的子孙。几千年后，经过历史长河的沉淀，甘肃仍然在向中医药强省稳步迈进。医疗是民生之需。2019年，国家医疗保障局颁布《关于医疗保障信息化工作的指导意见》，要建立全国统一的医保信息系统，搭建国家和省两级医保信息平台，提高全国医保的标准化、智能化，信息化。作为拥有深厚医药文化底蕴的甘肃自然一马当先，加速搭乘“数字化”列车，大力推进中医药强省建设，为百姓就医谋便利。医保升级好事多磨不过，一个参保人数超2642万的大省，说起医保升级，并没有想象中那么容易。按照国家医保局的建设要求，应对旧医保平台进行优化和升级，而老医保平台还在使用传统数据库，扩展性较弱。同时，新平台要求业务请求端到端时延应该缩短至秒级，而老医保平台结算类业务延迟高、响应慢，办事效率尤待加强。从业务端来看，省级医保平台业务面向全省参保人口，并发量高、数据量大，业务数据量能达到百TB级别，因此数据库还需要同时满足性能和存储容量的双重高要求。同样重要的是，医保业务属于类金融类的民生业务，其系统的稳定性、可靠性不可忽视，需要具备故障自动切换的高可用能力和数据完整灾备能力。华为云数据库对症下药2020年9月，华为云凭借自身在云计算、大数据、计算、存储等方面的产品优势，全份额中标甘肃省医疗保障信息平台建设项目，为该平台提供了强可靠的支撑和保障。华为云分布式数据库DDM+RDS for MySQL承载起了甘肃省医保信息平台数十个业务系统的数字底座。能成为中医药强省医保数字化改革的信赖之选，华为云数据库有强大优势。首先，华为云数据库基于华为累积多年的数据库研发经验而打造，大幅优化了传统数据库，提供更高可用、更高性能、更高安全的数据库服务，完全满足国家医保局对于数据库的使用要求。不仅如此，华为云数据库还具备分库分表的能力，可通过增加节点实现性能和容量的线性增长，而且单集群数据库性能可达百万级QPS，最高可实现PB级的存储容量，足以轻松应对平台业务并发量高、数据量大的问题。更重要的是，数据库基于其高可用架构，能够实力保障在平台出现故障时做到同数据中心故障自动秒级切换，并且通过数据复制服务DRS实现跨Region数据完整灾备，遇到故障时能够游刃有余地保障业务的连续性和安全性。新平台面貌焕然一新在华为云数据库的高效支撑下，甘肃省医疗保障信息平台于2021年5月在兰州市全面上线运行。自上线以来，平台一直处于平稳运行状态。从新平台的实际运行效果来看，其门诊结算系统响应速度从单次平均5秒提高到了单次平均0.9秒，入院办理系统响应速度从单次平均3秒提高到单次平均0.4秒，住院结算系统响应速度从单次平均10秒提高到单次平均1.9秒。业务请求端到端时延得到了可视化的提高，大幅度减少了群众就医结算的等待时间。此外，为了顺利完成项目交付，华为云数据库团队驻扎到现场，深入甘肃省医疗保障局的实际业务场景，联合ISV厂家一起投入到项目中，并制定了业务库表设计规范、分库分表最佳实践、业务系统上线变更规范、数据库运维管理规范等。华为云数据库团队严格遵循国家医疗保障信息平台有关标准规范和要求，为国家医保信息平台在全国其他地方的落地提供了借鉴经验。【重磅活动推荐】开年采购享好价！华为云数据库MySQL、GaussDB(for Redis)18元/年限量秒杀，不限新老用户包年3折起。活动期间还有8000元大礼包、满额赠华为笔记本、0门槛抽奖等多重福利！https://activity.huaweicloud.com/dbs_Promotion/index.html

近年来，随着人工智能、大数据等技术的蓬勃发展，各大医疗机构都在积极探索数字化转型道路，加强信息化、智能化医疗建设。智能自动化技术为医疗模式的改革按下了加速键，极大提升了医疗服务质量。作为医院的高频工作之一，传统模式下的门诊记录导入工作存在操作繁杂、耗时长、效率低等诸多痛点。医生每天需要把门诊流程记录导入到病案管理系统中，其中涉及5个数据文件，包括医生门诊日志文件、工时诊疗人次日志文件、手术收费项目明细文件、医生信息对照表、门诊科号科别对照表。将各文件逐一下载后，需整理成医生门诊流程文档再导入病案管理系统中。整个操作流程步骤重复繁琐并占用医生大量的时间，难以提升信息化医疗服务水平。基于以上痛点，引入华为WeAutomate后可大幅提升工作效率，实现从下载文件到录入系统的全流程自动化。■  第一步，分别下载5项数据文件； ■  第二步，生成门诊日志； ■  第三步，登录病案管理系统； ■  第四步，上传门诊日志。 在华为WeAutomate的帮助下，原本每天需耗时30分钟左右的工作，现在只需几分钟即可完成，实现数据下载、上传的全流程自动化。不仅做到错误率趋近于零，还将医生从重复繁琐的工作中释放出来，使医务人员有更多的时间专注于更有价值的工作。除了以上门诊日志自动录入流程外，华为WeAutomate目前已被应用到医疗领域的多场景中，如儿保催检、建档自动化、新冠疫苗接种人数统计等，可辅助医务人员操作一系列重复枯燥的工作，提升医疗服务信息化水平。在今天的人工智能时代，新医疗改革对医疗行业的数字化转型提出了更高的要求。华为WeAutomate打造的智慧医疗解决方案成为各大医疗机构的重要抓手，助力改善医疗服务、提升民众就医体验，打造数字化医疗机构。 作者：HUAWEI WeAutomate来源：HUAWEI WeAutomate公众号

医疗”是指在卫生信息化建设基础上，应用物联网相关技术，通过健康和医疗相关设备和系统间的信息自动集成及智能分析共享，建立旨在提供统一便捷、互联互通、高效智能的预防保健、公共卫生和医疗服务的智能医疗保健环境。01“感知健康 智能医疗”的背景中国正处在医疗改革的关键时刻，旧的医疗体制以及医疗保障制度已经不适应当前社会发展的需要，群众“看病难、看病贵”已成为国家的核心议题。人口结构老龄化发展趋势，致使疾病和预防控制从原来的以传染病及其防治为主，转变到目前的慢性非传染性疾病及其预防为主的模式。医学模式也由原来的“3P”模式，发展到更加注重公民和社会参与的“4P”模式，即Predictive（预测性）、Preventive（预防性）、Personalized（个性化）和Participatory（参与性）。重心下移、关口前移、强化个人责任成为现代医疗保健服务模式的特征，未来数字卫生工程技术的趋势将更加向基层社区和个人参与方向发展，更加贴近个人的工作和生活本身。个人健康信息采集终端将融合在家庭和工作岗位，在重视信息收集的基础上更加注重信息的反馈和互动，一种实时的健康促进将成为可能。据卫生部的统计，2008年中国健康医疗市场规模已超过1万亿元人民币，如果按照本世纪前10年中国健康医疗市场年均超过10%的速度，预计到2020年中国将会成为全球仅次于美国的第二大医疗市场。但目前中国医疗产业占GDP的5.5%，而美国这一比例达15.5%，其他欧美国家都在8%～10%之间。02物联网在医疗健康领域应用的现状1. 国外全球主要发达国家十分关注物联网技术在医疗健康领域的信息化建设。2004年2月，美国FDA采取大量实际行动促进RFID的实施与推广，通过立法加强RFID技术在药物运输、销售、防伪、追踪体系的应用。2004年日本信息通信产业的主管机关总务省（MIC）提出2006～2010年间IT发展任务“u-Japan战略”。该战略的目的之一就是希望通过信息技术的高度有效应用，促进医疗系统的改革，解决高龄少子化社会的医疗福利等问题。2006年，韩国确立了“u-Korea战略”，其中提到要建立无所不在的智能型社会，让民众在医疗领域可以随时随地享有智慧服务。2008年底，IBM进一步提出了“智慧的医疗”概念，设想把物联网技术充分应用到医疗领域中，实现医疗的信息互联、共享协作、临床创新、诊断科学以及公共卫生预防等，并认为物联网技术在整合的医疗平台、电子健康档案系统都将有广泛的应用。2005年，欧盟委员会在eEurope计划上提出旨在创建无所不在的网络社会的i2010计划；2006年明确强调欧洲已经进入一个新能源时代。2009年10月，欧盟委员会以政策文件的形式对外了物联网战略，提出要让欧洲在基于互联网的智能基础设施发展上领先全球，除了通过ICT研发计划投资4亿欧元，启动90多个研发项目提高网络智能化水平外，于2011年至2013年间每年新增2亿欧元进一步加强研发力度，同时拿出3亿欧元专款，支持物联网相关短期项目建设，其中也包括医疗项目。2. 国内我国政府十分关注物联网技术在医疗领域的应用。2008年，国家出台了《卫生系统十一五IC卡应用发展规划》，提出加强医疗行业与银行等相关部门、行业的联合，推进医疗领域的“一卡通”产品应用，扩大IC卡的医疗服务范围，建立RFID医疗卫生监督与追溯体系，推进医疗信息系统建设，加快推进IC卡与RFID电子标签的应用试点与推广工作。2009年5月23日，卫生部首次召开了卫生领域RFID应用大会，围绕医疗器械设备管理，药品、血液、卫生材料等领域的RFID应用展开了广泛的交流讨论。在《卫生信息化发展纲要》中，IC卡和RFID技术被列入卫生部信息化建设总体方案之中。目前，相关部门正在加快制定IC卡医疗信息标准、格式标准、容量标准，积极推进IC卡的区域化应用，开展异地就医刷卡结算，实现医疗信息区域共享等。我国在医疗健康行业的物联网应用主要体现在医疗服务、医药产品管理、医疗器械管理、血液管理、远程医疗与远程教育等多个方面，但多数处于试点和起步阶段。医疗服务：主要用于病人身份确认、人员定位、财务核算、一卡通就诊卡、生命体征采集等。将RFID智能标签置于“医疗保健卡”的卡片上，标签可以记载就诊病人自身完整的就诊记录。任何医生或者其他医护人员都能够即时读取、存储关键的病历信息。这样，可促使个人无论在哪里都能够得到良好的照顾与精确的诊断。有行业数据显示，中国在RFID领域的地位不断上升，有望成为世界第三大市场。在一卡通方面，医疗、教育和交通等行业在2009年均得到了非常广泛的应用，“一卡通”就诊卡的应用明显增多。中国远程心电监测网络体系“厦门市远程心电监测分中心”于 2010年1月17日成立，患者可随时随地监测自己的心电图。浙江省已建立一个基于MPLS-VPN网络技术，结合数字化医疗、数字化城乡社区卫生服务、数字化公共卫生应急处置、数字化医疗资源共享的省级数据交换平台。三家省级医院通过该平台实现了居民个人电子健康档案和就诊记录跨医院间的信息共享，目前正在开展省级医院电子病历上传试点。医药产品管理：主要用于药品供应链管理、药品防伪。2007年两会期间，代表、委员们提出了采用RFID技术打击包括药品在内的假冒伪劣产品的议案。上海某制药厂对电子标签在制药过程中的应用进行了初探，并取得了较好效果，该公司结合其ERP系统，在生产过程实时数据采集系统上，采用以RFID标签作为索引的方式，对所有无法进行实时采集和监控的药品原材料、中间品、半成品和成品的属性进行生产全过程的自动监控，解决了许多因条形码局限性而不便应用在洁净车间和易受潮、易磨损，需暗设、数据需修改等特殊应用的问题。医疗器械管理：主要用于手术器械管理、病人植入材料管理和消毒包的管理。上海中卡集团采用RFID技术和数据库技术、通信信息技术，对手术器械包的回收、清洗、分类包装、消毒、发放等环节进行记录，并对器械包的存放、使用进行实时监管。上海市在全国率先颁布规定，要求必须建立植入性医疗器械全程可追溯的管理制度，上市的植入性医疗器械应当具备产品可追溯的唯一标识。在301医院的大力配合下,中航芯控开发的RFID消毒供应室管理系统在应用中也不断地发展和完善。血液和医疗废物管理：RFID技术能够为每袋血液提供唯一的身份，并存入相应信息。这些信息与后台数据库互联，使血液无论是在采血点，调动点血库，还是使用点医院，都能受到RFID系统的全程监控和跟踪。我国将RFID技术用于血液管理领域还处于起步阶段。北京市公共卫生信息中心表示北京市血液信息管理系统正在建设，各地区的血站和医院将通过统一的信息共享与管理平台进行即时的沟通和交流，医院可通过网络提交预定血浆订单，保证患者用血安全。2003年，国务院批复实施《全国危险废物和医疗废物处置设施建设规划》，全国拟投资68.9亿元，在300个地级市建设医疗废物集中处置设施。自2004年以来，国家已拨付约9.1亿元资金。截至2009年5月底，《规划》确定的274个医疗废物项目布局全部落实，建成的123个医疗废物集中处置设施形成约900吨的日处理能力，加上郑州等地已经建成的医疗废物处理设施的处理能力约176吨/日，全国现有医疗废物处理能力可达到1000吨/日以上。由此可见，无线传感相关技术在此领域应用的潜力巨大。远程医疗与远程教育：浙江省利用先进的流媒体技术和远程通讯技术，通过创建新型远程医疗服务模式，目前已经联网多家省市县医院和社区服务中心，共开展了12536多例远程专家会诊，1518例院后管理和慢性病跟踪治疗，280余次基于临床案例的远程教学和查房，5次远程手术直播、远程护理培训和国际合作交流。03物联网在医疗健康领域应用存在的问题1. 技术方面标准问题：亟需进行符合现有的各种医疗保健标准下的物联网相关标准的研制。医用传感器和生物医学传感器研制：包括新型医学传感技术的研制；小型化、微型化医用传感器研制；医用传感器的模块化设计；医用多传感器融合技术；综合运用数字信号处理、模式识别、分布式计算等技术，实现对多模医学信息自动分析综合，实现初步自动决策和评估。高安全可靠性：针对物联网医疗器械特殊的使用环境和对象，综合质量管理、风险评估、人机功效等手段，研究医疗器械的可靠性、安全性。大规模数据分析及智能决策：研究基于云计算的大规模医疗数据分析方法及网络系统；基于专家数据库诊断、治疗智能决策系统；基于多模信息融合的医疗决策推理机；复杂医疗事件的实时分析方法。2. 产业应用发展方面完整产业链有待培养：从医用传感器、特定应用产品研制与生产，标准认证与培训，信息采集传输，数据中心数据分析与服务，特定应用研发，到相关服务开展，都需要一批企业与医疗保健机构形成良性的产业链。规模应用和价格问题：在诊断、治疗、康复、支付、卫生管理等各个环节的健康医疗的物联网应用中，都需要将价格成本控制在适于大规模应用能够承受的范围内。安全性及隐私问题：医疗物联网的应用，需要在不同应用环境中按照不同等级的划分来满足安全性的需要，同时保障个人隐私。传统流程改造问题：采用物联网技术是对原有业务流程的一种转变，需要通过逐步试验，由点到线到面的进阶改变过程。单位间合作问题：单位之间需要建立有效的合作机制，尤其在源头上按照标准进行应用，采用相关的标准促进整体的物联网应用水平的提高。04物联网在医疗健康领域应用的展望物联网技术在医疗领域的应用潜力巨大，能够帮助医院实现智能化的医疗和管理。支持医院内部医疗信息、设备信息、药品信息、人员信息、管理信息的数字化采集、处理、存储、传输、共享等，实现物资管理可视化、医疗信息数字化、医疗过程数字化、医疗流程科学化、服务沟通人性化。更能够满足医疗健康信息、医疗设备与用品、公共卫生安全的智能化管理与监控等方面的需求，从而解决医疗平台支撑薄弱、医疗服务水平整体较低、医疗安全生产隐患等问题。“感知健康、智能医疗”具备互联性、协作性、预防性、普及性、创新性和可靠性六大特征。信息技术将被应用到医疗行业的方方面面，并催生许多过去无法实现的服务，实现智能医疗。医疗服务的电脑化和系统化，可以全方位最大化医疗信息的收集和储存。互联互通的信息系统使各医疗机构有效地实现无缝信息共享，智能的医疗系统更可以全面提升患者服务的质量和速度。一种更加智慧、惠民、可及、互通的医疗体系必将成为未来发展的必然趋势。

近日，国家卫生健康委统计信息中心—电子科技大学医疗健康大数据研究院（以下简称“研究院”）与安想智慧医疗在成都举办战略合作签约仪式。此次，双方将重点围绕互联互通及电子病历测评一体化解决方案进行探讨，基于各自优势领域，依托名校研究院强大科研能力、官方认证的互联互通定量测评工具以及区域级电子病历分级评价审核系统，结合安想智慧医疗的客户优势、渠道优势、产品优势，共同探索推动互联互通及电子病历测评在全国医疗系统内的更广泛落地，促进智慧医院建设走向标准化、规范化、成熟化。