医疗，是与人们日常生活关联最紧密的 AI 落地场景之一。
在优质医疗资源的稀缺性问题上，互联网帮助患者在更大范围内匹配到了医生。现在，大模型更进一步，带来了从供给端改变医疗资源紧张的契机。
对医院来说，一个最直接的问题是：医生的精力有限，即便加班加点，接诊量、学习时间也很有限。对此，北京美中爱瑞肿瘤医院积极探索用 AI 重塑医院流程——围绕医生在临床、科研、教学等业务和管理活动，依托火山引擎提供的豆包大模型、HiAgent 等 AI 产品和解决方案，来提高医生作业效率和患者治疗体验。
当豆包大模型，成为临床医生的「医助」
通常情况下，肿瘤病人病情复杂、病程长。当患者来见医生时，会带很多过往的病历资料，再由医生花费20-30分钟来梳理、记录病程。如何减少医生处理信息消耗的时间、把更多时间放在诊疗上？
美中爱瑞接入豆包大模型，搭建了「AI 预问诊」智能体。患者挂号后，可以在「到诊通知页面」，把过往的病史信息和相关资料拍照上传。当患者到诊看病时，豆包大模型直接将资料结构化总结给医生。医生据此针对性地提问、深度沟通治疗方案，把更多时间放在问诊、查体、制定治疗方案上，进一步提升患者看病体验。与此同时，智能体也可以自动提取关键信息，生成初步文档，辅助医生填写病历。
在帮助医生提升信息处理的效率上，豆包大模型还在深入更多场景。
在一些疑难肿瘤疾病上，药企、医院和患者会尝试新的治疗方案、「双向奔赴」。豆包大模型可以通过筛选病患病例和临床实验入组条件，准确匹配符合入组试验条件的患者，无需医生再逐一核对信息，并自动形成通知发送。
豆包大模型多模态能力，还可以帮助医生评估患者面部表情疼痛级别，通过面部表情识别，根据 Wong-Baker 量表实现 AI 分析疼痛等级并精准反馈结果，让疼痛评估更精准及时。
用AI提升肿瘤医生的知识迭代和科研效率
在肿瘤疾病的场景下，MDT （多学科诊疗模式）是打破各医疗系统间的数据壁垒、知识壁垒，研判治疗方案的关键流程。肿瘤领域临床医生年均参与超3,000例复杂病例的多学科诊疗（MDT）会议，单次会议需同步调阅影像、病理、检验等10余个医疗系统的关联数据。高频次的跨系统信息检索与多维度病情研判，使医生在诊疗决策中持续面临“多任务处理过载”，不仅导致诊疗效率边际递减，更易引发关键信息漏判。
同时，面对像肿瘤这样的跨多学科疾病，进入精准医学时代，医生的决策难度不断上升、更加需要学习前沿知识。
为了进一步帮助医生提高诊疗效率，以及知识迭代和科研效率，美中爱瑞通过接入豆包大模型和 HiAgent 平台，探索学科专家「医助」、学习「助手」、科研「助手」等智能体。通过分学科的专业智能算法辅助医生进行病情研判，来降低医生认知负荷，提高诊疗决策的准确性与效率。
在知识迭代和科研场景，豆包大模型科研帮助医生基于语义快速找到目标文献、做论文精读、泛读。在应对知识更新方面，美中爱瑞通过豆包大模型，探索能够高效筛选、整理医学知识的平台，为医生精准推送有价值的信息，帮助他们快速掌握新知识、新技术，实现知识的有效转化与应用。
把「智能化医院」建在火山引擎上
联手火山引擎，美中爱瑞致力于打造「智能化医院平台」——智能医疗云平台和数据平台，进一步提升院内服务和管理效率以及患者体验，最大化提升医疗价值。
围绕美中爱瑞 AI 医院的总体规划，火山引擎提供从基础设施、AI 技术、应用编排以及安全产品，涵盖从数据集成到数据建模的全场景服务，助力美中爱瑞数字化、智能化医院的构建。
凭借在医疗健康领域的长期探索，火山引擎形成了从需求洞察到方案落地的完整服务体系：基础云资源建设、安全合规保障、数据治理及中台构建、智能应用工程化开发等多个维度。未来，火山引擎将携手医疗行业的更多垂直场景和细分长尾需求展开共创，推动智能化医疗的落地与持续优化。
来源：北国网
