腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

谷歌自曝医疗AI临床结果不佳：实验室丰满，临床骨感

没想到，落到临床试验，却失败了。这大概就是理想与现实的差距吧。理想有多丰满，现实就有多骨感。像极了我们在大学实验室里做实验的样子。 ? 为了验证算法的性能，他们还使用了2个独立的临床试验数据集，包括1.2万幅图片，审核结果由专家来判决。临床试验很“骨感” 这个项目主要是在泰国展开，与泰国公共卫生部门合作，在泰国巴吞他尼省和清迈省的11所诊所安装了这个深度学习系统。同时，也给谷歌这种勇于“正视淋漓的临床结果”的态度，点个赞。毕竟这个行业里，报喜的多，吹哨的少。也提醒我们，医疗AI，没那么简单。毕竟AI“进军”医疗，年头不少了，但你在医院和普通门诊场景里，有见到吗？你愿意把疾病交给AI诊断吗？

2020-05-06

7870

标签:

大语言模型医疗建议受非临床信息干扰

大语言模型医疗建议受非临床信息干扰根据某机构研究人员的研究，部署用于提供治疗建议的大语言模型（LLM）可能会被患者信息中的非临床信息干扰，例如错别字、多余空格、缺失性别标记，或使用不确定、夸张和非正式语言分析还显示，这些文本中的非临床变化（模仿人们真实交流方式）更可能改变模型对女性患者的治疗建议，导致更高比例的女性被错误地建议不寻求医疗护理（根据人类医生的判断）。混合信息像某中心GPT-4这样的大语言模型正在全球医疗机构中用于起草临床记录和分诊患者信息，旨在简化一些任务以帮助负担过重的临床医生。他们根据患者笔记向每个LLM提出三个问题：患者是否应该在家管理、患者是否应该来诊所就诊，以及是否应该为患者分配医疗资源（如实验室检查）。研究人员将LLM建议与真实临床响应进行了比较。 Ghassemi说：“在我们正在审阅的后续工作中，我们进一步发现大语言模型对人类临床医生不受影响的变化很脆弱。这也许并不奇怪——LLM并非设计用于优先考虑患者医疗护理。

2025-09-13

4160

标签:

AI医疗转录技术助力临床文档自动化

某AI医疗转录平台宣布服务2万名临床医师，面临市场竞争加剧即使生成式AI的批评者也不得不承认：该技术在转录领域表现卓越。技术架构：专为医疗场景设计的模块化AI系统该平台不仅具备录音转录功能，其核心是结构化的专业AI文档引擎，可根据用户偏好生成临床笔记。系统架构采用高度模块化的流水线设计：初始转录采用经优化的OpenAI Whisper开源模型，专门针对临床词汇进行微调平台叠加数百个定向AI任务，用于提取结构、过滤闲聊内容自动调整术语至医疗标准，匹配用户特定模板系统通过临床医师的编辑行为持续学习，逐步个性化超过20名内部临床医师定期审核匿名笔记以提升模型性能。用户反馈显示：100%的临床医师报告工作与生活平衡得到改善80%表示工作满意度提升80%认为能够提供更好的患者护理服务通过消除文档负担，该技术正在帮助临床医师重获时间控制权和心理能量，甚至改变了一些医师关闭私人诊所的决定

2025-09-20

2560

标签:

临床落地难、数据安全隐患…智慧医疗如何破局？

在中国人工智能渗透的领域中，医疗健康领域占比最大，达到22％。从医疗人工智能产品的临床试用范围和经验看，中国是超前的，甚至领先美国。在应用方面，目前也取得明显进展，尤其是医学影像领域。不过，尽管市场前景广阔，但医疗人工智能产品从实验室走到临床大规模商用，还有待多重考验。这一方面是由于医疗AI作为一种全新的产品，之前并无审批此类产品的经验和标准数据库。另一方面，国内医疗AI企业的产品还在打磨阶段，医疗是一个严谨的行业，事关民众安全，需要慎之又慎。在国内，按照医疗器械注册流程，产品从申报到最终过审要经过产品定型、检测、临床试验、注册申报、技术审评、行政审批等六步。目前，申报三类器械的医疗人工智能产品大多停留在注册申报之前的阶段。其中，构建结构化临床数据库就是飞利浦的一项重要课题研究。可以看到，为了让数据来源可解释以及更加标准化，飞利浦布局已久。 ?

2019-11-20

1.6K0

标签:

《Nature》发表：AI运用在医疗临床决策支持的系统评估

未来人们很可能会转向AI大型语言模型（LLMs）来咨询健康/医疗建议，就像在以前用百度/Google上搜索诊断一样. 这篇今天3月发表在《Nature》文献，针对临床决策支持任务的 ChatGPT、Google 搜索和 Llama 2 的系统分析文献地址：https://www.nature.com/articles /s41467-024-46411-8 Abstract 作者评估了GPT-3.5和GPT-4在临床上的准确性，为110个医疗病例提供初步诊断、检查步骤和治疗建议。总之，商业LLMs（GPT-4）在连续两个主要版本中展示了医疗问答的潜力不断增长。然而，一些弱点凸显了医疗保健领域需要强大且受监管的人工智能模型。研究表明，ChatGPT 可以通过美国医疗执照考试（USMLE）和高级心血管生命支持（ACLS）考试。

2025-03-06

5840

标签:

临床相关突变查询数据库

写在前面越来越多的研究发现某一个基因的突变和很多的临床特征有关系。如果我们想有查找临床性状和基因突变的关系的话，内容比较全面的就是ClinVar数据库了。 ClinVar 数据库是ncbi旗下用于查看临床相关突变的数据库。但是其数据库的内容比较多，而且检索界面不是很友好。所以经常看不懂其结果。所以今天就介绍一个检索简单的突变和表型的数据库。通过其名字我们就知道这个是一个简易版的Clinvar数据库。输入 数据库的输入很简单，我们可以数据疾病；基因名; 突变等。都可以。我这里输入gastric cancer。另外数据库也提供了下载的功能。我们点击Show Table就可以看到其下载结果的地方了。写在后面以上就是这个数据的所有功能的。输入关键词—界面友好的查看结果。是不是很简单。一直再说这类汇总其他数据库的资源，最怕的资源更新慢的问题。不过看这个数据库还是经常更新的。所以可以放心使用的

医学数据库百科

2021-11-18

1.4K0

标签:

TCGA数据库临床资料官方大全

因为TCGA计划跨时太长，纳入研究的病人数量太多，或多或少有点资料继续错误或者不完整，所以TCGA团队下功夫在计划结束后（April 2018）完整的系统性的公布了权威的临床资料。看起来是乱码，但的确是真实的下载地址：https://api.gdc.cancer.gov/data/1b5f413e-a8d1-4d10-92eb-7c4ae739ed81 题外话：关于不同数据源的TCGA临床资料冲突的讨论

生信技能树

2019-06-15

5.5K0

标签:

腾讯AI临床助手：驱动诊疗智能化，突破医疗质控瓶颈

破解基层医疗能力断层与执业药师供需失衡瓶颈在智慧医院分级评估与电子病历评级政策的推动下，医疗机构面临严格的处方规范与分级诊疗要求，但当前临床诊疗与药事管理环节普遍存在两大核心业务痛点：基层诊疗能力与资源断层临床医生工作量大，问诊不全、误诊漏诊及不合理用药现象频发，医疗事故风险显著。赋能多级医疗网络，实现区域互通与高并发场景落地产品目前已全面覆盖区域医疗中心、单体医疗机构及药事服务机构，具体应用案例如下：区域平台（基层卫生健康司）：落地家庭医生临床服务能力建设项目，首批签约5家厂商之一，率先在广东、湖南2省6县进行试点建设，赋能基层医疗。 + 临床路径、14万+ 药品说明书、1000万+ 药品规则库及 90万结构化医学术语节点（包含10余种医学实体类型与400万医学术语关系）。

2026-05-30

3010

标签:

AI 临床辅助与管理系统：给医院配个“智能医疗管家”

很多人觉得 AI 临床辅助与管理系统是高大上的黑科技，其实它更像医院的全能智能助手——既帮医生精准看病、少走弯路，又帮医院高效管流程、控风险，用技术把繁琐的临床工作和复杂的医院管理捏合在一起，让医疗更稳简单说，机器先“学透”医学知识和临床经验，再结合患者实时数据，给出靠谱建议。开医嘱时，系统会实时核查药品过敏、配伍禁忌、剂量超标等问题，一旦发现风险立刻预警；同时对照诊疗规范，提醒遗漏检查、过度医疗等情况，牢牢守住医疗安全底线。管理端：做医院的“智能大管家”脱离临床的管理都是空谈，AI 临床辅助与管理系统把临床数据和管理决策绑定，让医院管理从“靠经验”变成“靠数据”。说到底，AI 临床辅助与管理系统不是颠覆医疗，而是用技术给医疗“提质增效”，让优质医疗资源更普惠，让医院管理更精细，这也是医疗数字化转型的核心方向。

上海拔俗网络

2026-03-25

4100

标签:

腾讯医疗大模型与智慧医疗方案：从算力底座到临床落地的降本增效路径

行业数字化困境：基层资源匮乏与临床效率瓶颈当前医疗体系面临的核心矛盾在于优质医疗资源供给不足与日益增长的诊疗需求之间的结构性失衡。临床工作负荷：传统内窥镜检查中，医生需长时间人工识别息肉，低年资医生漏诊风险高，且人工阅片效率限制了诊疗吞吐量。构建全栈技术底座：从算力到大模型的专业化训练腾讯健康通过“自研算力+医疗大模型+生态连接”构建解决方案，核心在于将通用技术转化为医疗专业能力。 1. 量化临床价值：提升检出率与降低运维成本通过AI技术在实际临床场景中的应用，实现具体的业务指标提升：应用场景核心指标数据表现业务价值眼底疾病筛查敏感性/特异性 96% / 92% 弥补眼科资源不足其青光眼AI与结肠AI均已获得三类医疗器械注册证，具备临床合规性与权威性。生态连接深度：拥有微信生态 12亿+用户触达能力，已连接 5000+医院与 25个省卫健委。

IT资讯研究所

2026-05-30

3660

标签: