首先明确几个核心观点：大语言模型在医疗行业的应用已从理论阶段迈向实际落地。过去一年间，从体检报告自动生成到AI在线问诊，国内头部公立医院已切实享受到技术红利。

在人工智能大模型浪潮的推动下，医疗行业成为变革最显著的领域之一。自去年起，众多科技厂商相继推出医疗大模型，不约而同地聚焦于同一个目标——如何与公立医院深度合作，确保大模型真正落地应用，而非停留在概念阶段。

以体检报告生成为例：过去医生需要逐一处理海量体检数据，手动整理并撰写结论，耗时费力。如今，借助大模型技术，医院平均每5秒即可自动生成一份总检报告，医生撰写时间节省超过50%。每日自动生成的体检报告可达500余份，且报告采纳率高达96%以上。这一数据不仅体现了效率的大幅提升，更彰显了质量的可靠保障。

此外，多家医院上线的“AI医生”已投入在线服务。这些AI能够“观察”体征、“聆听”声音、“询问”病史、“分析”病因——当然，这里的“分析”指的是数据挖掘与逻辑推理——它们正逐步成为每个人触手可及的健康助手。

复旦大学附属华山医院信息中心副主任刘从进对此直言不讳：“大语言模型在医疗领域的应用日益深化，既提升了诊疗效率，也优化了医疗服务质量。”

科技企业与顶级公立医院深度协作

当前，医疗大模型已覆盖极为丰富的应用场景：全病程管理、医疗影像数字化、诊后康复管理、辅助诊断、药物与器械研发、文献检索、手术记录撰写、门诊病历生成、医疗报告摘要、检验报告智能解读、问诊交互、医院运营管理、用户健康助手、智慧导诊等，且应用范围仍在持续扩展。

然而，医疗大模型与其他领域大模型存在显著差异。其在多模态融合、数据安全及专业精准度方面面临的挑战更为严峻。特别是随着医学研究对多模态数据治理能力与标准化水平的要求不断提升，产业界与医疗机构若不能深化合作，诸多应用将难以推进。

近期案例不胜枚举。商汤医疗在上海世界人工智能大会上宣布，联合瑞金医院、华西医院、新华医院、西京医院、中科大附属第一医院等顶级医疗机构，共同启动医疗多模态大模型赋能的智慧医院示范样板项目。其目标清晰：通过医疗大模型为医院构建“中枢大脑”，从根本上提升智慧医院的整体能力。

支付宝亦在此次大会上正式入局，发布其自主研发的多模态医疗大模型，功能涵盖智能问答、病历结构化与检索、辅助诊断，以及药品识别与解读、上百种复杂医学报告处理等。尤为关键的是，支付宝联合20余家机构与企业发起“AI医疗共建计划”，旨在共同探索大模型应用及各类专科模型的创新突破。

更早之前，神州医疗与南方医科大学南方医院合作，建成全国首个全院级多模态数据平台。

有业内人士直言：“手握海量优质数据资源的公立医院，才是医疗大模型主导权的真正掌控者。”言语直白，却道出了现实。

上海交通大学医学院附属瑞金医院副院长胡伟国，在本月初的一场论坛上明确指出：依托高品质、丰富的医学大数据，瑞金医院已发布医学增强基座大模型，并推出适配应用的语言大模型与多模态大模型。在电子病历生成、体检报告生成、智能咨询、瑞金AI医生等领域持续深耕。

大模型在公立医院多场景实现落地应用

从实际进展来看，上海几乎所有头部医院都在积极尝试将大模型融入管理流程。复旦大学附属中山医院推出了一款AI辅助体检工具，可分析各科室的全量体检结果及科室小结，自动提取异常项，并参照专家共识，依据异常结果对健康的危害程度进行优先级排序。更值得一提的是，该工具还能按照器官系统与疾病一元论原则，对异常结果进行合并分析，最终基于分级评分排序与合并结果，自动生成主检结论及健康建议，涵盖不同分级对应的指导要素。

中山医院党委书记顾建英亦表示，该院正以海量数据资产为基础，规划未来医院架构，并已创新实践“元医疗”、AI语音导诊等多项医疗服务场景。她明确主张：“应当将大模型技术与医学知识、医疗数据深度融合，引导技术创新与人民健康需求相结合，重点推动医疗大模型在临床诊断、治疗及健康管理等领域的应用，释放更大的健康价值与社会效益。”

华山医院刘从进则分享了具体实践：目前大模型在华山医院主要应用于三大场景——生成式电子病历系统、生成式慢病随访系统以及全病程管理。他进一步说明，生成式电子病历系统充分展现了大语言模型在医疗信息处理方面的高效性。从语音转录、病历段落结构化、基本元素整理，到专科电子病历创建，整个流程均由大模型自主完成。例如，入院记录、查房记录、病程记录、手术记录等信息，均可通过大语言模型自动转化为结构化数据。

“智能生成的电子病历严格遵循医疗规范，保障内容的准确性与合规性。该系统不仅提升了病历编写效率，还确保了病历质量，减少了人为失误，增强了数据的完整性与连续性。”刘从进表示。

在慢病随访系统方面，大模型的表现同样突出。通过对出院小结的深度解析，它能迅速提取患者的关键随访信息——如用药指导、处理建议、定期检查安排——并自动生成个性化的随访计划。患者可通过随访小程序接收提醒、管理用药计划、跟踪随访进度；医生则可在系统中审核并调整随访策略，确保治疗方案的持续性与有效性。这一系统兼顾医生与患者的便利性，显著提升了慢病管理效率及患者生活质量。

“通专融合”路径，全面提升大模型能力

商汤科技副总裁张少霆在交流中指出，当前医院采用的大模型可通过“通才调专才”策略实现多模态能力。具体而言，“通才”模型与“专才”模型协同工作：通才模型作为任务规划的“中枢大脑”，智能调度覆盖医学文本、放射影像、病理图像等多种数据模态的专用模型，辅助医生完成跨科室、跨模态的复杂诊断推理。

他进一步解释，“通才”模型即医疗领域的大型语言模型，例如商汤医疗研发的“大医”。与此同时，商汤已构建一系列精通不同模态医学图像分析的领域专用模型，用于强化特定任务能力。这条“通专融合”路径的终极目标是打造“医疗多模态智能体”，将智慧医院的能力提升至新高度。

为深化“通专融合”，商汤医疗联合中华医学会病理学分会王哲副主委团队、清华大学何永红教授团队，共同发布国内首个病理大模型PathOrchestra。王哲对该模型高度评价：“病理图像具有极高的多样性，借助人工智能进行诊断难度极大，因此病理图像处理被誉为图像处理领域的皇冠明珠。病理大模型正是突破数字病理瓶颈的关键所在。”

该模型基于近30万张全切片数字病理图像（约300TB数据）训练而成，并融合文本、视频等多模态训练数据。通过海量数据的自监督学习，无需大量精细标注数据，即可分析肺、乳腺、肝脏、食管等20余种器官的病理图像。更令人瞩目的是，它可实现包括泛癌分类、病灶识别与检测、多癌种亚型分类、生物标志物评估等在内的100余项临床任务。

复旦大学智能医学研究院常务副院长刘雷补充了关键视角：大模型主要依赖高性能计算资源、数据资源与知识库资源三大要素。在知识库资源方面，复旦大学医学大模型OTMed已整合基座大语言模型的理解、生成、推理、创造能力，结合多模态生物医学知识，专业能力显著增强，最终实现了生物医学智能问答功能。