編者按：一個人工智能（AI）機器人，在短短8天內獨立完成了668項實驗，合成了668種化合物，并成功研發出一種全新的化學催化劑。這一壯舉令人贊嘆。
AI作為新一輪科技革命和產業變革的關鍵推動力，正在深刻改變醫療健康領域，當前AI和大數據模式正逐漸深入醫藥、臨床、新藥研發以及健康管理和干預等多個領域。
基于此，21世紀新健康研究院推出了“AI醫療浪潮”專題系列報道，旨在從企業發展動態、監管等角度，探討“AI+醫療”產業的推進與落地挑戰，推動數字化賦能下的中國創新藥企實現高質量發展。
21世紀經濟報道記者 唐唯珂 廣州報道
DeepSeek使得醫療AI在2025年迎來新的轉機，資本市場反饋同樣猛烈。
基于DeepSeek在醫療AI領域展現出的巨大潛力，眾多醫療企業正順勢在內部部署DeepSeek R1模型的應用。2月7日，鷹瞳Airdoc宣布其自主研發的萬語醫療大模型已接入DeepSeek R1模型，實現了臨床診斷效率和準確率的雙突破以及更個性化的健康管理體驗升級。此外，醫渡科技、藥易購、恒瑞醫藥等公司也表示正在引入DeepSeek。
2月6日和7日兩個交易日，華大基因漲超24%。2月8日，華大基因發布了7日盤后與機構投資者交流的紀要。其中關于如何利用AI技術推動業務發展，特別是在醫療領域的應用情況，華大基因表示，“公司正逐步推廣AI在相關基礎場景的接入，在基因檢測方面，公司大模型目前已進入臨床應用，通過提升致病位點選擇效率，大幅度降低了解讀成本。”
國內某頭部醫療AI企業向21世紀經濟報道記者表示，DeepSeek的出現讓AI大模型從舊石器時代進入新石器時代，意義非凡。
一場由技術驅動的行業重構已悄然拉開序幕。
在傳統的醫療AI開發過程中，數據收集與標注工作往往是一項艱巨且昂貴的任務。一方面，傳統醫療 AI 模型對數據的要求近乎苛刻，往往需要海量的精準標注數據才能達到理想的性能。然而，在實際的基層醫療場景中，受限于人力、物力和技術水平，收集和標注海量數據是很有難度的任務。
另一方面，研究表明，構建一個高質量的醫療AI模型，可能需要耗費數百萬甚至上千萬元用于數據收集與標注，這對于許多基層醫療機構和小型醫療科技企業來說，無疑是一道難以跨越的資金門檻。
DeepSeek憑借其先進的強化學習技術，成功打破了這一困境。據官方介紹，該模型在后訓練階段中大規模使用了強化學習技術，能夠在僅有極少人工標注數據的情況下，極大提升模型推理能力。
這是因為DeepSeek的強化學習技術能夠通過不斷與環境進行交互學習，使模型持續優化，大大減少了對大規模標注數據的依賴。這種技術上的突破，不僅降低了訓練成本，還提高了模型的泛化能力和適應性。
一位做智能穿戴的行業人士告訴21世紀經濟報道記者：“（DeepSeek R1）在模型訓練的成本和效率上都有幫助，像我們做健康行業的，可以更好的做一些算法學習，比如健康預警、評估、數字處方等。”
此外，DeepSeek對多平臺部署的支持，更是為醫療AI的廣泛應用鋪平了道路。
港科大團隊的SimpleRL項目以及國際上其他團隊對DeepSeek R1的研究都表明，通過精心設計的強化學習方法，即使是較小的模型也能實現強大的推理能力，而且這個過程可以比傳統方法更簡單、更經濟。
光大證券分析師劉凱在2月6日發布的研報稱，第三方可以從DeepSeek R1中蒸餾出更多版本的小參數模型并部署至手機、筆記本電腦、智能家居產品等各類終端產品中。
也就是說，DeepSeek R1通過優化模型架構和訓練機制，能夠在保持高性能的同時顯著降低運算所需的資源。這使得醫療機構可以使用更經濟的硬件設備來部署AI應用，而無需投入大量資金購置昂貴的高性能計算設備。
值得注意的是，DeepSeek R1還采用開源策略，允許全球研究人員和醫療機構免費使用和修改，自由定制模型。這種開放性極大地降低了技術門檻，使得基層醫療機構能夠以較低成本接入先進的AI技術，加速醫療AI的普惠。
金域醫學副總裁、數字化管理中心總經理李映華向21世紀經濟報道記者表示，“（DeepSeek對）我們金域在做行業大模型的肯定有提高。我們做醫檢行業的一個垂類模型，肯定它有自己的一些底座模型。你也可以理解為基座模型，就比如說騰訊的是混元、華為的是盤古。”
“實際上，當初我們技術架構選型就是優先選擇開源框架與模型。因為我們判斷開源框架給予我們未來更大的選擇余地與進步空間。反之一旦綁定某家的閉源模型，如該模型的迭代速度跟不上整個行業升級速度，那將造成底座能力落后，限制我們的垂類模型能力。”李映華說。
在我國醫療體系中，醫療資源分配不均的問題長期存在，成為制約全民健康水平提升的重要因素。
據2023年衛生健康事業統計公報，2023年全國共有醫療衛生機構107萬個，其中最多的是基層醫療衛生機構，醫院僅占總數的3.5%。而占比3.5%的醫院承擔了全國近一半的診療人次。
在這樣的背景下，基層全科醫生的培養顯得尤為必要。理想狀態下，基層全科醫生能診治大多數的常見病、多發病。截至2023年末，我國每萬人口全科醫生的數量為3.99人，距2030年每萬人口5名的目標尚有差距。
DeepSeek的問世為基層醫療水平的提高提供了新的契機。
相關研究指出，DeepSeek R1的強化學習框架支持模型在動態環境中自主學習和調整策略。這種能力使得醫療大模型能夠更好地適應不同的臨床場景和患者需求。
此外，意大利那不勒斯第二大學研究團隊在兒科臨床決策支持中比較評估了ChatGPT o1與DeepSeek R1兩款 AI 推理模型，并在近日發布了相關論文。論文中提到，DeepSeek R1 的一個顯著特點是其正在形成的自我反思能力（即自我進化），通過這種能力，模型能夠自主驗證并優化其邏輯步驟，從而在復雜任務上提升性能。這一能力在諸如“對于疑似病毒性腦炎的兒童，接下來的管理步驟是什么？”這類需要多層次分析的復雜查詢中可能會很有幫助。
未來，接入DeepSeek的行業大模型或許能在方方面面為基層全科醫生提供有力支持。例如在輔助診斷方面，面對復雜多樣的病癥，基層全科醫生有時會因經驗不足而難以準確判斷。醫療大模型則能夠整合患者的癥狀、病史、檢查結果等多源數據，運用其深度學習算法進行綜合分析，快速給出精準的診斷建議。尤其是影像識別等較為成熟的領域，醫療大模型明顯有助于降低誤診率，提高基層診斷水平。
論文中強調，DeepSeek R1由于其開源的特性，成為了一種易于獲取且創新的解決方案。這一特點使其在資源有限的醫療環境中特別有用。
（實習生孫偉對本文亦有貢獻）
本文鏈接：http://www.wbe-yiqi.com/news-7-17459-0.htmlDeepSeek重構醫療AI：突破基層門檻，讓數據和訓練觸手可及｜AI醫療浪潮⑤
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
