医疗行业的大模型应用，当前总体上处于探索能力边界的阶段。
以大模型为代表的AI新技术风起云涌，正在深刻影响医疗应用的底层逻辑与实践形态。医疗机构应当如何平衡技术机遇与应用风险，找准适合自身的大模型应用规划路径？近日，在HIT专家网主办的以“价值导向，前瞻‘十五五’”为主题的2025年南湖HIT论坛上，中国医院协会信息专业委员会副主任委员薛万国分享了对医疗大模型应用的行业观察与规划建议。
中国医院协会信息专业委员会副主任委员薛万国
大模型带来的四点改变
2025年，国内医疗大模型爆发式增长，各类采用预训练、微调训练的医疗垂域模型“百模大战”，从医疗基础模型到专科专病模型，应有尽有。
薛万国认为，与传统AI技术的能力相比，大模型技术对医疗智能化带来了四个方面的重要改变。
首先是实现了非结构化知识的表达与推理。传统的AI方法，多以结构化知识为主，其能力只适用于特定场景或主题；大语言模型通过对大规模语料的无监督的非结构化知识学习，极大地增强了掌握复杂医学知识的能力，推动医学AI由专用化场景向通用化场景发展。
其次是实现了知识库能力和推理能力的合二为一。经大规模语料训练，大模型自身成为通用知识库，同时具有了自然语言推理能力，形成了知识库和推理能力的二合一，改变了既往知识库和推理引擎相分离的应用系统架构。
第三是变革了人机交互方式。过往的医疗信息系统是菜单驱动，需要用户按照软件设定操作，人需要适应软件且功能受限；大模型支持自然语言交互，实现自然语言命令驱动。人机交互正在从“人适应软件”转变为“软件理解人”，这将深刻影响人与计算机的协同工作模式。
第四是极大地降低了智能化功能的开发门槛。大模型是智能“黑盒子”，用大模型替代既有采用自然语言处理、知识库（知识图谱）等方式实现的智能化功能，不仅能提升功能的准确性、通用性，还大大简化了原有功能的开发实现，以往通过“外挂”实现的智能化功能会越来越多地转变为“内置”。
大模型的能力观察
大模型对医疗信息化带来的潜在影响将是巨大的，但当前哪些能力已经成熟落地、可为医疗行业所用？哪些能力还存在差距、需要谨慎规避？这是医疗行业推进应用落地前必须厘清的核心问题。
薛万国认为，对于大模型的能力观察，需首先回归到大模型的技术原理。大模型通过学习海量文字资料，本质上掌握了打碎了的语料元素之间的关联关系。大模型之所以不同于检索系统，在于其不是原始语料的“鹦鹉学舌”，而是能够在语料碎片基础上的“知识加工”。但是，恰恰是这种基于语料碎片生成的内容，导致其必然与“幻觉”相生相伴。加州大学伯克利分校的一项研究显示：大模型产生幻觉的机制，恰恰也是赋予它强大泛化能力的根本原因。
因此，大模型的技术原理，形成了其优势与劣势密切关联的能力特点。其优势体现在：非结构化知识的获取与表示、广泛适用的通用性能力、知识库与推理能力二合一、自然语言的接口命令等。其劣势则表现为：与生俱来的幻觉、输出的不确定性与不可解释性、资源开销大及响应慢等。
根据Gartner发布的“2024年中国数据、分析和人工智能技术成熟度曲线”显示，大模型当前仍处于期望膨胀期与泡沫破灭低谷期之间，距离生产成熟期还有2-5年时间。
而在医疗行业的大模型应用，当前总体上处于探索能力边界的阶段，具体表现为：应用场景不断创新，但局限于在少数科室、用户的小范围试点应用，绝大多数场景尚未全面铺开；已有的应用场景，尚缺乏对应用效果的客观评价。
薛万国认为，大模型应用正从早期的独立应用探索，转向与业务系统的融合和实用化落地阶段，但距离形成成熟的应用场景和应用模式，仍需1-2年的培育与打磨。一些场景未来能进入成熟期，也有一些场景可能在这个过渡期被淘汰。“我们需要聚焦核心问题：哪些场景真正适配大模型？哪些场景暂不具备落地条件？哪些场景通过技术优化、流程适配可以实现价值落地？”
大模型的适用场景与规划策略
结合大模型的能力特点和发展水平，薛万国指出，其适宜应用场景可分为两大类，分别为“容忍不准确”的场景（如语义检索等，轻微误差不影响核心目标达成）和“有人兜底”的场景（如文书处理、自动编程等，可通过人工审核修正偏差）；大模型不适应的场景，则是那些对准确性要求很高，或人工核对难度大或成本高的场景，如精准计算、精准数据库查询等。
以科室绩效数据查询为例，大模型可能在多数常规场景下提取到准确数据，但在复杂核算规则、特殊数据维度等场景中易出现取数偏差，人工逐笔核对的工作量极大、容错率极低，这类场景就暂不适合采用大模型。
具体到医疗行业，医学场景具有自身的特殊性和复杂性，按风险等级可划分为三类：涉及医疗安全的高风险应用（如辅助诊断、治疗建议、临床循证等）、患者服务的中风险应用（如健康咨询、分诊导诊、预问诊等）、辅助性工作的低风险应用（如文书处理、病历质控、医保合规等）。不同风险级别的应用，对于大模型的准确度要求和人工把关需求存在显著差异。薛万国建议，医疗机构应从低风险场景入手，逐步扩展AI应用，并在实施过程中把控风险。
针对医院AI应用中常见的四大类场景，薛万国给出了具体规划策略建议：
辅助诊疗类，风险等级高，必须由人工审核，且当前AI能力与“指导医生看病”的愿景还存在差距，建议将其定义为“探索性应用”，可选择特定专科病种，核心定位为辅助医生防止误诊漏诊，而非替代医生做决策。
文书处理类，风险等级低，需由人工审核，可有效提升医疗文书处理效率，是大模型的理想应用场景，宜采用“大力推动”策略。
医疗质控类，风险等级低，无需人工审核，基于“大模型+规则库”方式，可有效提升质控覆盖面，减少质量问题，是大模型的适宜场景，可采用“大力推动”策略。
患者服务类，风险等级中等，无需人工审核，基于“大模型+知识增强”方式，具备创新和重塑患者服务模式的潜能，属于大模型的适宜场景，建议在谨慎的基础上大力推动。
“总体而言，医疗机构在规划AI应用时，可从以下四大原则进行把握。”薛万国说。
第一是注重价值导向。注重应用场景带来的实际价值，特别是业务与服务转型的价值，避免纯技术导向。
第二是识别应用成熟度。精准区分成熟应用与探索应用，据此采取差异化推进策略。
第三是结合医院定位。引领型医院肩负技术探索、模式创新的责任，“探索本身就是医院价值的一部分”，可适度加大对前沿场景的试点力度；追随型医院则应以成熟应用为主。
最后是集中统筹与共同参与。AI应用的积极性来源于各部门用户，无论是需求提出还是落地实施，都需要医院各部门的广泛参与；AI应用部署涉及计算资源建设和信息系统重构，需要集中统筹，避免各行其是，形成AI孤岛。
【演讲视频】
第七期医院CIO班将于2026年5月开班，欢迎报名 2026年全国卫生健康工作会议召开，提出“强基、稳二、控三”原则 国家卫生健康委确定2026年全系统为民服务十件实事 2026年HIT热点趋势研讨会将于1月31日在京举办 | 会议预告
寻求“商务合作”，长按二维码可快速与我们取得联系
投稿：gong_chen@HIT180.com
商务合作：(010)82373062
本公众号原创文章，版权归HIT专家网和原作者所有。
未经许可，谢绝转载或以其他形式使用文章内容进行传播。
