医院AI应用现状与挑战 - 医院全面部署DeepSeek等大模型后实际改善效果低于预期，部分一线医护人员未使用或不习惯[1] - 上海市东方医院与中科院软件所联合研发的Med-go大模型成为上海首个通过A级推荐的医疗大模型，目前仍在优化中[4] - 浙江大学医学院附属邵逸夫医院案例显示，大模型开源使开发成本从几千万元降至500多万元，未来可能进一步降低[5] AI医疗落地策略 - 医院AI部署需分阶段推进，建议先让部分科室试用并持续迭代升级[4] - 当前医院AI探索集中在患者体验、医疗服务、管理三方面，医疗服务应用难度最大因信任度不足[6] - 医疗数据标准化程度低影响大模型训练，例如子宫肌瘤手术名称中文存在8-10种不统一表述[6] 技术瓶颈与行业共识 - 医疗大模型存在幻觉问题，前期数据准确性直接影响模型可靠度[6] - AI当前主要提升文字处理效率并降低人员成本，但外科等领域赋能有限[7] - 医疗AI发展受限于技术门槛、数据敏感性及跨领域人才短缺[7] 行业长期展望 - 医疗改革深化背景下，AI成为医院提升管理效率与服务质量的关键抓手[4] - 技术迭代使AI具备逻辑推理能力，未来有望深入临床诊疗领域[7] - DeepSeek开源加速医院AI应用进程，但并非所有医院需立即投入[5]