- 综合排序
- 最热优先
- 最新优先
- 来自专栏CloudBest
2020年医疗云计算的5大趋势
云计算在医疗网络中的发展，将推动远程协作和数据共享，而对于过时的设备而言，则很难或不可能做到这一点。 2.HIPAA和云计算 尽管云计算正在席卷医疗领域，但并非毫无规则。 Ponemon研究所的专家称，医疗数据泄露的平均成本为每条记录380美元以上，是全球其他行业平均成本的两倍多。为什么？因为黑客觊觎这些数据。 4.云计算和物联网支持 物联网（IoT）是一个通过连接设备组成的网络，它也是医疗云计算不可或缺的一部分。物联网设备将产生大量数据，大多数医疗机构都还没有设备来储存或分类。 随着物联网设备产生万亿字节的数据，这种边缘处理可以使系统更加高效，减少时间浪费。 5.数据自动化和存储 医疗行业的云计算支持在2020年及以后推动数据自动化。 当安全不是优先事项时，数据就有风险。每次医疗违规和数据泄露都会消耗大量成本，而且还可能引发诉讼。 来源：大健康pai
1.6K10发布于 2019-12-10 MediGo医疗大模型数据开发平台 八大场景赋能智慧医疗全流程
然而，医疗AI的发展正面临算法进步与数据生产力滞后的突出矛盾。澳鹏MediGo平台通过八大应用场景和七维技术矩阵，构建了从数据生产到模型训练的全链路解决方案，有望显著提升医疗AI模型的准确性和可靠性。 澳鹏Appen（中国）今日正式发布MediGo医疗大模型数据开发平台，这一创新性平台旨在解决医疗AI领域面临的数据标注精度不足、多模态协同处理效率低下等核心挑战。 该平台的推出标志着医疗AI数据服务进入专业化、智能化新阶段，将为医疗AI的临床应用提供强有力的数据支撑。 八大场景赋能智慧医疗全流程在诊疗场景方面，平台基于深度学习的病理图片智能分析系统能够自动标注病灶区域，帮助生成结构化诊断报告，显著提升诊断效率。 在数据安全方面，平台支持医疗级私有化部署方案，兼容企业内网环境，确保敏感医疗数据的安全流转。同时，基于医疗知识图谱的智能检索系统和版本控制系统，为数据管理提供了专业化的解决方案。
38110编辑于 2025-06-24- 来自专栏机器学习AI算法工程
医疗大语言模型：CareGPT
CareGPT (关怀GPT)是一个医疗大语言模型，同时它集合了数十个公开可用的医疗微调数据集和开放可用的医疗大语言模型，包含LLM的训练、测评、部署等以促进医疗LLM快速发展。 ，能够批量生成各种用于构建知识库和微调的数据； 聚合了丰富的开源医学LLM、LLM训练的医学数据、LLM部署资料、LLM测评以及相关LLM的资源整理； 我们参与了医学LLM的CMB榜单评测-IvyGPT medAlpaca/data ✅Zhongjing/sft medical_dialog huatuo_encyclopedia_qa Med-ChatGLM/data CMB GenMedGPT-5k 数据集配置、PT、SFT、RW数据格式 dataset_info 如果您使用自定义数据集，请务必在 dataset_info.json 文件中以如下格式提供您的数据集定义。 PT example data .txt格式，一行一个无监督数据。
95210编辑于 2024-06-08 - 来自专栏PPV课数据科学社区
大数据在医疗领域的七大应用
★原文翻译★ 大数据的意义在于提供“大见解”：从不同来源收集信息，然后分析信息，以揭示用其他方法发现不了的趋势。在利用大数据发掘价值的所有行业中，医疗行业有可能实现最大的回报。 这只是大数据在医疗领域的众多应用之一。以下是大数据在医疗行业的一些常见用途，包括商业运作和健康管理： 1. 分析电子病历：医生共享电子病历可以收集和分析数据，寻找能够降低医疗成本的方法。 医生和医疗服务提供商之间共享患者数据，能够减少重复检查，改善患者体验。 5. 降低再入院率：看病费用之所以上涨，原因之一是因为患者离开医院30天内，再入院率居高不下。 利用大数据，该诊所能分析2200余种医疗过程。因此，它能简化工作流程，把某些临床任务从医生转移到护士手上，减少不必要的检查，提高患者满意度。和其他行业一样，大数据指明了从哪里入手可以改善医疗过程。
1.5K60发布于 2018-04-23 腾讯医疗大模型：医疗健康智能体产品概要
主讲人： 李慧 | 医疗健康产品商业化负责人 数据来源： 2024腾讯全球数字生态大会 一、产品定位与核心亮点 技术定义： 腾讯医疗大模型是一款基于腾讯混元AI生成技术的医疗健康智能体，旨在构建“个人健康助理 二、产品应用场景 受众群体 场景痛点 解决方案 家庭医生/基层医疗 1个家庭医生团队需管理约 3,000 名居民（基于14亿人口测算），全国仅 42万 个团队（2022年数据），任务繁重。 功能框架 产品架构分为两大核心模块： 个人健康助理（To C/患者端）： 包含健康自诊、用药助手、报告解读、健康咨询及权威科普联动。 多模态处理： 支持结构化数据、PDF、图片数据的智能识别与分析。 集成能力： 可被第三方系统集成（如企业微信管理后台、医院HIS系统）。 报告比对： 对比历史报告（如对比2022年7月12日与2023年12月报告，发现右肺上叶小结节从4mm增至5mm）。 报告解读： 针对“视网膜分支静脉阻塞”等病例生成疾病解读。
32310编辑于 2026-05-30腾讯医疗大模型产品概要：医疗健康智能体
一、 产品定位与核心亮点 腾讯医疗健康智能体是基于腾讯混元大模型的医疗健康领域AI应用。 其核心技术属性为医疗垂直领域大语言模型，商业差异化卖点在于将大模型技术与专业的医学知识库（腾讯医典）相结合，为个人用户和医疗机构提供精准、专业的健康信息服务和医患沟通效率工具。 三、 应用框架和功能介绍 功能框架 产品主要分为两大模块：面向个人用户的健康助手和面向医疗机构的医患沟通与报告辅助工具。 硬核指标 技术基础：基于腾讯混元大模型。 个性化医患沟通：结合居民健康标签，生成个性化医疗建议，内容覆盖全面，支持一键复制使用。据称能将医患咨询内容生成时间从20分钟缩短至约2分钟，效率提升10倍。 总结 腾讯医疗健康智能体通过大模型技术，在个人健康服务层面实现了更精准、便捷的信息获取与指导；在医疗机构服务层面，有效助力医患沟通效率提升（智能随访、辅助沟通）和报告处理流程优化（报告提效），达成了“增效降本
28110编辑于 2026-05-30- 来自专栏区块链大本营
5大场景带你了解区块链如何给医疗行业动“手术”
2018年，全球前十大制药公司(占前50大制药公司销售额的一半)的预期收入为3,550亿美元。根据预估，市场上流通的回收药品占比为总销量的2%-3%，其销售额是70 - 100亿。 应用场景2:预防假药和医疗设备假冒产品 在药品的生产、运输和交付过程中，仅靠制药公司进行实时追踪难免捉襟见肘，这样造假者便有了可乘之机。 其实假冒伪劣问题不仅存在于药品，医疗器械也不能幸免。 世界卫生组织(WHO)的一项评估显示，市场上流通的医疗器械中有8%是假冒产品。 假冒伪劣药品和医疗器械不仅扰乱市场，损害企业的合法权益，而且给消费者带来了巨大的人身风险。 应用场景5:提高临床试验数据的质量和可靠性 《处方药申请者付费法案》允许FDA从制药公司收取费用，自1992年该法案通过以来，FDA已经从制药商那里收取了高达76.7亿美元的使用费，预计这项资金还会逐年增加 通过区块链，患者可以掌握和管理他们的医疗数据，控制外界对医疗数据的访问，防止被黑客攻击导致个人隐私泄露。
88820发布于 2018-09-21 腾讯医疗大模型产品概要
一、 产品定位与核心亮点 腾讯医疗大模型是基于腾讯全链路自研的混元通用大模型，面向医疗健康行业深度优化的垂类大模型。 数据资产独特：整合了腾讯医典等权威医学知识库，拥有超过100名院士、学科主委、头部医院院长联合背书的独家版权内容。 数据规模：预训练语料超过2万亿Tokens；医学知识图谱涵盖285万医学实体和1250万医学关系。 产品优势 数据权威性：融合腾讯医典权威内容，经过医生“三校三审”，覆盖98% ICD疾病知识。 解决方案：应用医疗大模型升级智能云客服，能够学习医院知识库文件，智能理解并回复患者复杂问题。 成效：累计服务患者超49万人，累计咨询次数超62万次，单日咨询峰值达2000次。 总结 腾讯医疗大模型凭借其全链路自研的强大基座、独特的权威医疗数据积淀和深入的场景化打磨，已成为推动医疗健康产业数智化升级的关键技术引擎。
24210编辑于 2026-05-31- 来自专栏企鹅号快讯
大数据人工智能在医疗领域将大有可为，医疗健康大数据论坛大咖共话未来
2017年12月1日，由上海大数据联盟主办，2017中国大数据人工智能创新创业大赛组委会、健盟协办的“2017中国（上海）大数据产业创新峰会医疗健康大数据论坛”在上海宝华万豪酒店顺利举办。 席间多位领域专家大咖就论坛主题进行了深入地探讨，既吸引了业内专业人士的热情参与，又吸引了众多场外观众积极地收看直播。 ，国内首次联手医疗机构提供实际医疗场景AI创业赛，首次提供6大实际医疗场景，提供珍贵的骨骼X线图片数据集，对接医院实际紧迫需求等。 ，解读大数据人工智能技术在健康医疗领域的发展与创新应用。 （照片为：下半场圆桌论坛嘉宾进行深入探讨） 医疗健康大数据作为国家重要基础战略资源，正迎来爆发式增长，规模巨大的诊疗数据、患者行为感官数据、研发数据和支付医保数据等快速增加，我国市场前景良好。
1.4K00发布于 2017-12-27 - 来自专栏HyperAI超神经
【医疗健康工具汇总】国内首个医疗专科推理数据集；paperai可分析医学数据集；上海 AI 实验室开源医疗大模型群
* Ersilia：传染病和被忽视疾病模型中心 * 上海 AI 实验室开源医疗大模型群「浦医 2.0」 * 国内首个医疗专科推理数据集 RJUA-QA 开源 * paperai ：医学/科学文献发现和审阅引擎 资源地址： https://github.com/ersilia-os/ersilia 上海 AI 实验室开源医疗大模型群「浦医 2.0」 近日，上海 AI 实验室与上海交通大学医学院附属瑞金医院等合作伙伴联合发布医疗多模态基础模型群 「浦医 2.0」 (OpenMEDLab2.0)，实现了医疗大模型群「产、学、研、用、评」一站式开源，旨在为「跨领域、跨疾病、跨模态」的 AI 医疗应用提供能力支持。 资源地址： github.com/OpenMEDLab 国内首个医疗专科推理数据集 RJUA-QA 开源 蚂蚁集团与上海仁济医院泌尿科专家团队联合研发，基于医生团队临床经验，通过构造模拟病例数据的方式， 推出了首个中文医疗专科问答推理数据集 RJUA-QA，数据集由训练、验证、测试三部分组成，包含 2,132 个 QA 问答对，Context 来自于中国泌尿外科和男科疾病诊断治疗指南。
85510编辑于 2024-06-04 - 来自专栏数据猿
报告 | 2016年8月大数据投融资分析报告 ——医疗大数据促进中国医疗体制改革
根据不完全统计，2016年8月大数据行业共计发生33起投融资事件，相比上个月环比增长57%，其中已披露具体金额的有29起，涉及金额13.9亿人民币。 数据猿制图 医疗大数据促进中国医疗改革 从本月投融资金额来看，医疗大数据成为最大的投融资方向，且三家企业的投融资金额均在1亿元以上，其中吉因加融资2亿元，鹍远基因融资1.34亿元，全域医疗融资1亿元。 2、医疗大数据提升医疗系统的效率 医疗大数据的应用不局限于各医院的数据，也包括医疗保险系统的数据、卫生管理部门的数据，药品管理部门的数据、病人和医生的数据等。 3、医疗大数据有效减少医疗事故 电子健康/医疗记录数据，能够促进服务供应商和医疗机构之间的数据全面分享。 整体来说，在政府部门的政策促进下，医疗大数据在未来几年的发展值得期待，医疗大数据的发展也将给中国现有医疗体系带来重大改变。 注：2016年8月大数据领域投融资列表 ?
1K90发布于 2018-04-20 - 来自专栏Soul Joy Hub
达尔文——生物医疗科学领域大模型
根据美国医学会的数据，医学专科已经超过180个，导致医学知识的分散和碎片化。 数据分散罕见：病历、药物信息、试验结果数据的分散性使得生物医疗领域难以综合和比较不同的数据。 蛋白质等等）也用于“达尔文”大模型（通用开源数据以外）进一步的预训练，赋予“达尔文”大模型在生物医疗领域比一般通用大模型具备更有竞争力的表现 2.2 科研强化 RLHF 是指"Reinforcement “火山方舟” 包含模型广场、模型体验、模型训练推荐以及模型应用的功能，其使命是加速大模型和大算力的应用落地，加快大模型在各行业发挥商业价值。 带给大家一个好消息，“达尔文”大模型将入驻火山引擎大模型生态，上架至“火山方舟”的模型广场，补全火山引擎大模型生态的生物医疗领域，并供大家使用与反馈。 火山方舟 3. 尽管在线智能问诊可以提供有用的信息，但它不是替代真正医疗专业人员的诊断和治疗。 线下导诊：线下智能导诊是指智能助手在医疗机构的实际场景中提供导诊服务。
1K30编辑于 2023-07-21 - 来自专栏企鹅号快讯
基层医疗破局关键：从医疗SaaS三大未来趋势说起
【从安全万家说说医疗SaaS终究应该怎样玩】 安全不仅在医疗保险职业中具有多年累积的线上线下共同优势，并且在转型中还不断将大数据、云核算等技能才能落地于详细事务，彻底有资历充任探究医疗晋级的排头兵。 在治疗过程中，“云诊所”系统可以自动识别电子病历内容，结合大数据及AI才能，给出辅佐建议和个性化治疗思路，为经历不行丰厚的底层医师供给外部支持。 【底层医疗破局要害：从医疗SaaS三大趋势说起】 我在传统企业转型培训课“重立异”中提出，用互联网的技能、方法论和价值观，去重构（留意不是推翻）传统职业，构建“进口模式”的新商业形状，这是我国当时经济最大的亮点 ： 榜首，数据无缝化。 未来医疗SaaS必定不止停留在电子处方、线上就医、在线付出等单一流程功能的信息化上，而是将线上、线下全面打通，数据进口无缝化，患者和治疗组织不必忧虑数据对接错位的问题，然后可以建立起全面的笔直数据库，促进现代医学和治疗技能的前进
1.1K70发布于 2018-01-25 - 来自专栏PPV课数据科学社区
【应用】Hadoop大数据可以帮助医疗机构5种方法
在医疗行业的所有信息中非结构化数据大约占80％，并且增长速度比大多数人甚至可以理解的速度要快。通过数据排序，查找需要的病人信息，并做研究的诊断和治疗几乎是不可能没有Hadoop的巨大技术能力的。 该MAPR分布，包括Hadoop是帮助供应商组织医疗文件，与其他医生，患者和组织，流程和实验室结果，财务数据，临床资料，影像学报告，和输出的医疗设备进行通信交流。 4、对病人生命体征监测 由于医疗保健设施监控病人的生命体征不断在努力提供更积极的和全面的护理，涉及金额的数据正在以指数级的速度增长。 Hadoop存储和处理数据,因此应用程序可以提醒供应商的任何生命体征的变化,使他们能够有效地准备和应对病人突发事件。 5、客户使用 除了以上医疗服务提供者的使用案例。 Hadoop是一个功能强大的平台，可以让你建立智能程序从正在不断涌入的数据来学习（被称为机器学习）。
94590发布于 2018-04-20 - 来自专栏大数据文摘
大数据推进个性化医疗的五大原因
，由于与医疗保健相关，已经出现在个性化医疗革命的中心。 美国Definiens公司是生命科学领域里，对生物标志物诊断和医疗保健行业的定量数字化病理图像分析和数据挖掘解决方案的领先供应商。 该公司的首席执行官，托马斯黑德勒，和我们探讨了大数据推进个性化医疗事业的五大原因。 1. 能解开未知 科技可以帮助我们从实验样品和活组织切片中获取大量的数据。 能关联多种诊断信息来源并制定治疗方案 来自临床结果、遗传图谱和组织形态的大数据分析将是个性化医学的一大动力。随着我们对来自不同来源的数据对比整合，为每个患者量身定制治疗方案也将成为可能。 3. 5. 临床医师能在自身以及与其他医师之间高度重复 临床上测试结果再现非常重要。每名临床医师在不同的时间应该都能够做出相同的诊断，医师之间也应该同样给出相同的诊断结果。
60550发布于 2018-05-22 从金融到医疗：5大行业渗透测试需求差异与方案选择
金融行业关注交易安全和合规，电商行业关注支付逻辑和数据保护，政务行业关注等保合规和数据主权，医疗行业关注患者隐私和系统可用性，教育行业关注学生信息保护和平台安全。 本文横向对比金融、电商、政务、医疗、教育五大行业的渗透测试侧重点差异，帮助各行业企业选择最适合的测试方案。 引言：行业不同，安全风险各异 渗透测试不是一个"放之四海而皆准"的标准化服务。 一、五大行业渗透测试需求总览 行业 核心数据 最大安全威胁 主要合规要求 测试重点 金融 账户、资金、征信 交易欺诈、资金盗取 等保三级+、PCI-DSS 交易安全、身份认证 电商 用户信息、订单、支付 薅羊毛、数据泄露 等保二级+、个保法 支付逻辑、业务规则 政务 公民信息、政务数据 数据篡改、系统瘫痪 等保三级、数安法 权限控制、数据安全 医疗 患者信息、病历、处方 隐私泄露、系统中断 等保三级、 2.4 医疗行业 业务特点：涉及患者隐私数据（病历、检查结果、用药记录），系统中断可能影响医疗救治，安全和隐私要求极高。
23610编辑于 2026-05-14腾讯医疗大模型“医疗健康智能体”产品能力与应用价值解析
一、 产品定位与核心亮点 腾讯医疗大模型“医疗健康智能体”是由腾讯云推出的一款垂直行业大模型应用（主讲人：李慧，医疗健康产品商业化负责人）。 该产品以解决大模型“幻觉”挑战为前提，依托语义理解能力、上下文感知、数十万级医疗知识库，提供自然语言驱动的交互体验。 多模态能力： 支持结构化数据、PDF及图片数据的智能识别与分析。 知识库体量： 涵盖 200k+ 健康文章、130k+ 医学动画、100k+ 患者心声，以及数十万三审三校的百科词条。 医生利用大模型结合居民健康标签，自动生成个性化医疗建议，并通过一键复制功能快速回复患者。 成效： 医患单次咨询耗时从 20分钟 缩减至 2分钟，沟通效率实现 10倍（10x） 提升。 解决方案： 集成医疗大模型辅助报告模块（小微AI助手）。在系统中应用了报告比对（自动比对多期结节大小等病情变化）、报告质控（一键纠错）及报告解读功能。
19410编辑于 2026-05-30腾讯医疗大模型驱动就医流程与数据治理降本增效
根据国家及地方政策文件（数据来源：基于《全国医疗卫生服务体系规划纲要(2015-2020)》绘制），行业面临以下具体瓶颈： 运营精细化需求： 广西、浙江等地要求建立运营管理辅助决策系统，实现对医疗成本和质量的 第二章：构建“云+AI+大模型”的全栈医疗解决方案 腾讯依托腾讯云、腾讯觅影及腾讯混元大模型，提供覆盖患者、医生、管理者及公卫场景的技术产品矩阵： 1. 大模型应用： 结合腾讯混元大模型，提供影像报告一键解读及AI健康建议；应用于家医助手，实现个性化医患沟通。 2. 第五章：选择腾讯的技术底座与权威背书 腾讯医疗健康通过底层技术积累与权威机构合作，构建了差异化的竞争壁垒： 大模型技术深度： 规模： 超千亿参数规模，训练数据达 2万亿+ Tokens。 数据标准能力： 基于天衍医学知识图谱，提供医疗术语标准化系列API，支持插件式平台部署，不存数据，极简对接。
19010编辑于 2026-05-30- 来自专栏CDA数据分析师
【CDAS 2017】大数据与生物医疗分论坛： 智能数据，健康医疗
CDAS 2017中国数据分析师行业峰会的上午大数据与生物医疗分论坛中，来自北京大学第三医院、微软等六位专家与教授，分享了大数据在生物医疗行业的实践和应用。 人工智能在医疗数据中的应用 峰瑞资本早期项目负责人 谭验 谭验谭总从各行业数据化程度入手，探讨了医疗大数据的来源与应用，讲述了AI在制药中的应用，以及数据分析驱动下的医保控费，谭总在分享中还提到如何制定个性化解决方案 大数据助力临床医学研究应用 北京大学第三医院骨科秘书长 吴云霞 医疗大数据在临床医学研究中的应用是政府、医院、社会、医师及患者共同关注的问题，吴云霞以实际案例为依托，系统论述作为医务工作者如何理解医疗大数据 健康医疗大数据的建立与应用 经纶世纪医疗网络技术（北京）有限公司创始人&总裁 余中 打造健康医疗大数据驱动的智慧健康医疗服务是当今全球各国关注的重点，是人工智能在健康医疗行业进行深度融合和创新变革的最富有广阔前景的领域 AI/大数据与健康和医学的未来 微软（中国）有限公司产品经理 王大禹 王大禹简述了国内外流行的健康医疗领域大数据及AI技术的应用，通过对医疗健康领域四类最有代表性的数据——基因组数据、临床信息数据、图像数据和健康信息的分析总结出对于每一类数据最合适的处理
1.3K100发布于 2018-02-26 医疗大模型，巨头们的新赛场
据了解，在模型训练过程中，百度大健康事业群（HCG）先后投入了自有积累的超1000万优质医疗问答数据、超2000万多语种医学专业知识、超2亿用户每日医疗类搜索数据、超5亿权威健康科普内容。 得益于此，微脉、卫宁健康都积累下来了海量的、高质量的医疗数据，这些数据无疑是大模型产品的优质训练数据集，能够帮助二者训练出精准度更高、可靠性更强的医疗大模型产品。 另一组数据显示，在2023年5月，WiNGPT训练的数据量已达到9720项药品知识、7200余项疾病知识、2800余项检查检验知识、1100余份指南文档，总训练Token数达37亿。 众所周知，由于医疗数据往往涉及患者本身，因此具备很高的私密性，但大模型能力的训练又需要大量数据为支撑，对研发医疗大模型的厂商来说，数据的获得有着比较高的难度。 不仅如此，由于数据标准不一，医疗行业的数据处理同样难度较高，需要医疗大模型厂商多下功夫。
56910编辑于 2024-04-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号