核心观点 - 国产大模型DeepSeek在医疗行业快速普及 3个多月内已有上千家医院完成本地化部署 但实际应用效果远低于预期 行业进入冷静期 [1][2][3][4] 医院部署规模与初期应用 - 国内已有上千家医院完成DeepSeek大模型本地化部署 从"全省首家"扩展到"全市80多家二级以上公立医院全部接入" [1] - 应用场景集中在预问诊、临床辅助诊断、影像分析、个性化治疗及院内流程优化 某医院高峰期患者排队时长减少40分钟 患者满意度提升近10个百分点 [1] - 深圳大学附属华南医院为全国首个完成DeepSeek-R1本地化部署医院 距模型发布仅半个月 [5] 技术优势与成本特征 - DeepSeek通过混合专家架构（MoE）降低40%以上算力消耗 在提供相似推理能力前提下成本可降至OpenAI的十分之一甚至二十分之一 [6] - 医院本地化部署预算在几十万元到一百万元之间 70B和32B参数模型最受青睐 671B满血版实际应用场景非常少 [7] - 传统医疗信息化公司及互联网医疗公司参与部署 某公司收费标准为每家医院60万元 已做几十家 收入达千万元级 [7] 实际应用问题与挑战 - 医院遇到"模型用不起来 算力闲置 错误太多 临床反馈不敢用"等问题 某头部三甲医院硬件投入300万元但效果远低于预期 [2][8] - 大部分部署仅在HIS系统开界面实现对话功能 与网页调用无本质区别 唯一优势是数据不公开且不被大模型公司收走 [7] - 大模型基于统计学习的概率响应存在幻觉问题 医学领域错误可能导致严重问题 医生校验修改时间反而增加 [11] - 医院内部有几十甚至上百个信息化系统 对接需极大资源人力 数据非标准化且质量参差不齐 清洗治理耗时巨大 [10] 专业领域探索与突破 - 上海仁济医院与蚂蚁集团合作构建泌尿外科临床专科推理数据集 包含2132个问答对和25000多条诊疗依据 模型诊断准确率达69.81%接近专科医生水平 [12] - 上海瑞金医院与华为发布病理大模型RuiPath 基于百万级数字病理切片库 常用问题测试回答准确率超90% [12] - 国内已发布22个专病专科垂直模型 由顶级三甲医院主导研发 如协和医院罕见病模型、中山医院心血管模型等 [13] 行业发展趋势 - 专病专科大模型成为业内认可度最高方向 虽前期投入大但一旦获临床认可可创造巨大经济价值和社会效益 基层医疗机构为潜在客户 [13] - 当前医院部署大模型期待价值远未兑现 行业进入冷静期 许多医院算力配置经费审批已缩减 [3][13]