医疗发展阶段 - 传统医疗阶段：主要依赖个人经验与物理工具进行诊断，手术依赖手工操作，信息存储于纸质档案 [5][6] - 规则驱动自动化阶段：以电子病历、医院信息管理系统、医学影像存档与通信系统等为代表，实现规则驱动的流程自动化 [7] - AI自主决策阶段：目标驱动的自主决策与协作，应用大语言模型、多模态AI、手术机器人等 [9] AI应用场景及模式 AI语音查房场景 - 基于业务流程建模标注规范标准，涉及WiNGPT医疗大模型、语音模型、工具及医生交互与决策干预 [14] AI与医生协作模式 - 轻量辅助：智能在线，医生驱动AI实时交互，用于医疗知识问答、报告解读等 [16][17] - 深入场景：协作交互，AI与医生形成协同决策，用于病历文书生成、病历文书质控等 [18][19] - 重构融合：无缝集成，主动触发AI工作流，多智能体协同，用于临床辅助决策、血液管理等 [20][21] 医疗信息记录与应用范式重构 - 输入方式：从“手动输入”到“对话即记录”，如语音输入、上下文感知补全等 [23] - 知识呈现：从“静态文档”到“动态知识引擎”，如辅助诊断推理、风险预测与预警等 [23] - 系统协作：从“孤立系统”到“可信协作网络”，如区块链存证、人机权责透明化等 [23] 模型研发与优化 WiNGPT模型 - 研发时间：2023年1月开始研发和训练工作，最新模型WiNGPT2.8 - 32B [25][39] - 特点：“小而专”，大模型上的“小模型”，可定制，私有部署，低成本交付 [40] - 指令集：高质量指令集，指令微调数据227万 +，包括通用指令、医疗指令等多种类型 [41][44][43] - 优化方法：直接偏好优化DPO，构建医护人员偏好反馈数据集，DPO对齐数据1.6万 + [47][48][50] 模型量化 - 量化方式：整数量化（如PTQ、QAT）、动态量化、静态量化、GPTQ、混合精度AWQ量化 [53] - 量化效果：AWQ比GPTQ量化更为高效，量化时间约为GPTQ的1/4，推理速度更快，两者文本生成性能相当 [55] 平台与应用开发 WiNEX Copilot大模型应用开发平台 - 应用场景：北京大学人民医院的日间手术智能语音录入和住院查房智能语音录入，提高医生病历书写效率 [59][60][62] 病历质控 - 突破：实现病历质控从形式质控到内涵质控的突破，采用模型自学习方式 [64] - 核心：提示词处理是关键核心，提升质控精度和透明度 [64] RAG技术应用 - 作用：WiNGPT通过RAG技术访问专业医疗知识，减少事实性风险和忠实性幻觉 [66] - 功能：整合专业知识图谱，打造知识库，实现智能问答和推荐功能，提供个性化诊疗建议 [67] 临床应用场景 院外报告处理 - 方式：采集院外报告，解析为结构化报告数据回写至院内，支持查看、引用及指标趋势对比 [69] 输血管理辅助决策 - 阶段：术前进行贫血评估、凝血评估、自体采血评估；术中制定备血方案评估并一键引用；术后进行患者血色素评估及术后凝血状况治疗建议 [72] 已上线场景 - 包括临床辅助决策、手术步骤智能语音录入、住院病历内涵质控、科研专病库数据自动提取与填充、医学临床实验知情同意书伦理辅助审查等多个场景，收到科室人员好评反馈 [72] 卫宁AI战略 战略方向 - 用户侧：AI for Everything；产品侧：产品智能，企业提效 [30] 产品应用 - WiNEX AI inside：AI能力内置WiNEX产品中，对接医疗机构与医护人员 [32] - 效果：AI能力增强拉升WiNEX销售，AI增值服务采用订阅模式 [34][35] 其他相关信息 幻觉率排名 - DeepSeek - R1幻觉率达到14.3%，排名第117位 [25] MCP协议 - 2024年11月由Claude的母公司Anthropic推出，2025年3月底OpenAI宣布支持，国内已覆盖多个领域 [26][27]