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。 其核心差异化优势在于: 技术基座可靠:依托千亿参数的腾讯混元大模型,具备强大的中文创作、复杂语境逻辑推理及可靠任务执行能力。 三、 应用框架和功能介绍 功能框架 产品架构分为多层:以腾讯混元大模型为基座,通过TI-ONE训练平台和TI-ACC加速组件进行医疗领域精调,输出针对辅助诊断、文案生成、病历结构化、影像报告等细分场景的专用模型 生态开放性:已赋能腾讯内部超200个自研业务,并通过公有云API开放,支持产业场景构建。 荣誉背书 技术基座(腾讯混元大模型)为腾讯全链路自主研发,从零训练。 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。
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
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 核心差异化卖点: 精准化服务: 结合居民健康标签,生成个性化医疗建议,解决传统健康信息碎片化与个性化不足的问题。 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。 2. 硬核指标 文本处理能力: 支持 256K 超长文本输入(用于报告解读)。 报告识别能力: 支持 50+ 常见报告类型,涵盖检验、检查、体检报告。 四、典型案例 案例一:智能随访与个性化管理(居民端) 背景: 患者“赵红英”需要进行长期的康复训练与复查管理,涉及多次复查(第1次、第2次、第3次)及康复训练计划。
组建全流程大模型产品矩阵与底层数据中台 针对上述痛点,腾讯提供从底层数据治理到表层应用交互的完整医疗AI解决方案,产品支持独立售卖或组合,均支持SaaS交付及部分私有化部署(API/H5/小程序),并可无缝集成至 HIS/EMR系统: AI数据层产品: 依托医疗术语标准化,通过高精确性算法大幅缩短医学数据治理周期,为大模型提供高质量语料库。 攻克头部三甲医院复杂临床与客服场景 腾讯医疗大模型已在多个区域中心医院完成深度业务融合,直接验证了其在不同业务场景下的可用性: 华中科技大学协和医院(智能导诊升级): 大模型通过识别主诉缓急、过滤骚扰信息并精准推荐医生 复旦大学附属肿瘤医院(全周期管理): 联合大模型引擎建立患者随访小结(自动提取体征、结节风险评估等),辅助医生进行医疗数据智能分析与科研专病库生成。 兑现底层技术确定性与规模化交付能力 在医疗大模型赛道,腾讯依托强大的底层架构与开放的生态系统,确立了显著的规模化落地优势: 极高的市场渗透率: 方案已累计落地全国约1300家医院,其中包括22家全国百强医院
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。 2. 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。
一、 产品定位与核心亮点 腾讯医疗大模型是基于行业大模型的企业级LLM(大语言模型),专注实现知识处理和对话交互的全面升级。 模型与平台层:基于腾讯混元通用大模型和TI平台,结合医疗行业数据训练的医疗行业大模型。 硬核指标 知识处理速度:支持分钟级知识库搭建并生效。 数据训练量:模型学习海量医疗数据,包括1000亿字医疗数据、3000万个问答对、36万组标注比对数据(来源:腾讯医疗健康事业部)。 解决方案:利用大模型的实体识别与分类能力,自动抽取对话中的姓名、年龄、病史、过敏史等关键维度信息。 成效:能自动化完成患者画像构建,支持后续的智能运营工作(来源:腾讯医疗健康事业部应用探索)。 总结 腾讯医疗大模型通过融合海量高质量医疗数据与知识图谱,在企业级LLM基础上,针对医疗场景的特定需求(如合规性、专业性、数据敏感性)进行了深度优化。
平台依托腾讯的社交生态(微信、QQ、企业微信等)和云计算、AI、大数据技术能力,为药企、医疗机构、政府及个人用户提供数字医疗解决方案。 AI与大模型驱动:基于腾讯自研的医疗大模型,提供智能用药咨询、疾病科普、患者管理等AI服务。 全链路患者服务:覆盖从疾病科普、症状自查、线上问诊、处方解读、用药指导到复诊随访的完整健康管理旅程。 案例2:腾讯医典疾病科普与导流 背景:药企(如AstraZeneca)需提升其药品(如安达唐®-达格列净片)在目标患者(如2型糖尿病患者)中的认知。 解决方案:在腾讯医典“2型糖尿病”疾病词条页及相关科普专题页中,植入药品信息及相关科普内容,配置购药入口。 其核心优势在于以微信等超级App为入口,利用大模型能力提供精准、便捷的医疗健康服务,为药企精准营销和医疗机构效率提升提供了有效的数字化解决方案。
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。 特性: 添加ChatGPT fine-tuning实现,推荐有额度的朋友在ChatGPT上进行微调实验; 支持ChatGPT-Next-Web部署微调的模型; 支持Gradio部署微调的模型; 支持LLaMA 、LLaMA-2全系列模型训练; 支持LoRA、QLoRA,包括后续PPO、DPO强化学习训练; 支持模型与知识库结合问答; 开源了超过60个医院科室的导诊材料信息; 开发了支持GPT-4/ChatGPT transformers.models.llama.convert_llama_weights_to_hf \ --input_dir path_to_llama_weights--model_size 7B --output_dir path_to_llama_model LLaMA-2模型下载 query 列的内容将会和 prompt 列拼接作为模型输入。history 列应当是一个列表,其中每个元素是一个字符串二元组,分别代表用户请求和模型答复。
腾讯医疗大模型提供全流程智能解决方案 基于千亿参数规模和2万亿+Tokens医学数据训练,腾讯医疗大模型通过RLHF(人类反馈强化学习)机制持续优化,在36万组标注数据基础上构建了覆盖诊前、诊中、诊后的完整产品矩阵 与传统规则引擎相比,大模型能够智能学习相似问题,对"预约违约处理"等复杂咨询的召回效果提升显著,并支持基于医院知识库的精准推荐。 协和医院实现精准导诊与诊断支持 在华中科技大学协和医院,大模型通过智能意图识别和症状追踪,实现科室推荐准确率提升。 与传统问卷模板相比,大模型能够依据诊疗思维自主生成问诊问题,显著提升信息收集效率。 腾讯技术优势确保医疗场景可靠落地 腾讯医疗大模型基于天衍医学知识图谱构建,包含285万+实体和1250万+关系。 数据来源:腾讯医疗健康事业部实践案例报告,覆盖上海瑞金医院、华中科技大学协和医院、深圳市人民医院等全国三甲医院实施数据
现在,改变正在发生—— 最近,迈瑞医疗联合腾讯,发布全球首个重症医疗大模型——「启元重症大模型」。作为一款具有“重症思维”的「AI队友」,启元能高效处理病情数据,接管文书工作,让医生专注于治病救人。 一起看看,启元重症大模型,究竟能帮ICU医生做些什么: //四大功能,为医生减负 启元的核心价值,是为ICU医生减负。 //全球首个,临床可用 作为技术基座,腾讯通过混元大模型为启元提供超强「脑力」——万亿级参数和7万亿Tokens;并采用大量医学数据——涵盖285万医学实体、1250万医学关系,以及98%的医学知识和文献 ,训练出「懂医学」的医疗大模型。 我们还进一步联合迈瑞医疗,通过「边用边学」的反馈机制,鼓励医护评估和反馈模型输出,不断校准逻辑、补足短板,逐渐形成贴合临床需求的「重症思维」。
构建“C2B双轮驱动”全链路医疗数字化产品矩阵 针对上述痛点,腾讯健康依托C2B模式(用户面+行业面),整合内部技术能力与外部生态,提供了一套深度的医疗数字化解决方案: 全渠道C端触达连接: 依托微信生态 基于混元大模型的智慧医院框架: 为医院构建一体化安全与云计算底座,并深度融合大模型与数字人技术,提供覆盖诊前(智能预问诊、导诊)、诊中(辅助诊断、合理用药)、诊后(智能随访、患者档案)的智能化服务。 2. 核心业务运维成本与人工耗时缩减 在影像与病理AI应用场景下,结合腾讯AI图像识别算法,自动阅片设备将人工分析时间大幅缩减至原有耗时的1/10。 在底层算力基建上,腾讯混元大模型采用自研AngelPTM训练框架,训练速度达到业界主流框架的2.6倍;AngelHCF推理框架使推理速度提升1.3倍;腾讯云高性能算力集群使性能提升3倍。 夯实底层技术基座:全链路自研大模型与“国家队”级医疗资质 在医疗数字化赛道中,腾讯通过底层技术架构的自研可控与权威机构的资质认证,构建了极具确定性的技术护城河: 专为健康而生的医疗大模型: 依托全链路自主研发的腾讯混元大模型基座
合规风险: 通用大模型在医疗场景下存在“幻觉”问题,无法满足医疗行业对高容错率的严格要求。 第二章:基于腾讯混元基座的医疗专属大模型与智能体 腾讯健康基于全链路自主研发的腾讯混元大模型,针对医疗场景进行了专项训练与优化,提供“大模型+智能体”的解决方案。 第三章:量化指标与业务价值 通过医疗大模型的落地应用,在患者服务深度与运营效率上实现了具体指标的落地: 知识覆盖度: 模型基于1000亿+医学Tokens训练,涵盖285万医学实体,确保回答的专业广度。 合规性认证: 腾讯混元大模型V1.5已通过《人工智能大规模预训练模型第2部分:评测指标与方法》测试,获得CESI认证(编号: CESI-LM02-2023002);在2023年8月可信AI评估中,获得模型开发 第五章:全链路自主研发与生态支撑 腾讯医疗大模型的核心竞争力在于全链路的技术掌控与权威资源背书: 技术自主权: 从零训练自主创新,掌握太极训练框架与Angel系列框架,确保模型迭代与数据安全的自主可控。
、腾讯医典、腾讯觅影、KES、云深iDrug、腾讯会议、企业微信、腾讯电子签等产品矩阵,构建覆盖ToG、ToH、ToB的全场景数字化医疗健康服务体系。 患者管理、医患沟通、健康宣教 患者随访、健康科普效率低,缺乏智能化工具辅助日常诊疗和管理工作 三、应用框架和功能介绍 功能框架 腾讯健康产品体系分为三大核心模块: 基础技术层:依托腾讯云IaaS、PaaS 500万次消息 原文用户召回路径说明 基层医疗大模型服务 7*24小时患者咨询服务,支持口语化表述、多种意图识别 原文企业微信+AI管理患者案例 产品优势 用药助手AI智能问药:对话式机器人,支持多维度问药 企业微信医生端工具: 支持基层医疗场景精调大模型,可自定义配置机构问答库、区域通用问答库,覆盖开门时间、服务范围、挂号流程、医生排班、药品/疫苗库存等咨询 精准识别患者科普、预约、就诊、疫苗等意图,支持口语化提问 案例6:2型糖尿病专题页服务场景 背景:2型糖尿病患者需要全周期疾病管理、用药指导与购药服务。
全球已知的罕见病约有7,000多种, 而在分类更为细致的疾病数据库Malacards上的统计一共有14000多种 2. 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 背靠赛业,数百名生物领域的专业研究员为我们达尔文提供专业知识和经验,来训练反馈模型,以指导“达尔文”大模型的强化学习 2.3 生物AGI 大语言模型的兴起,带动当下最热门的研究方向之一就是:基于大语言模型 “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.
现实中普遍存在“排队1小时,问诊2分钟”的资源挤兑现象。 部署全场景医疗大模型智能套件与联合作战模式 腾讯云依托医疗大模型及医疗术语标准化能力(药品、诊断标准化),针对诊前、诊中、诊后及健康管理全周期,提供可单独或联合部署的AI智能应用矩阵,服务于三级/二级医院 、基层医疗机构、零售药店及体检中心: AI智能导医与问诊系统: 利用大模型进行意图识别与语义理解,判断病情缓急并精准匹配科室。 医疗专属输入引擎: 推出腾讯搜狗输入法医疗版,内置30万医疗领域大词库(源自53+医学教材,覆盖国标ICD-10所有诊断词及国家医保药品),提供智能行业词条联想与自定义缩写快输。 头部医疗与健康机构数字化转型实践 华中科技大学协和深圳医院(南山医院): 升级大模型导诊服务,实现精细化分诊。
一、 产品定位与核心亮点 腾讯混元大模型(Tencent Hunyuan) 是由腾讯全链路自主研发、从零训练的创新型大语言模型。 腾讯医疗大模型 是基于混元通用基座,由 郑冶枫教授(IEEE Fellow) 带队的天衍实验室与优图实验室提供的医疗垂直领域大模型。 功能框架 基于腾讯混元大模型基座,架构分为三层: 基座层:腾讯混元通用大模型。 中台层:TI-ONE 训练平台、TI-ACC 加速组件、TI-DataTruth 数据标注平台、太极训练框架。 行业层: 医疗行业大模型 场景化模型:辅助诊断、文案生成、病历结构化、影像报告、组学分析。 2. 硬核指标 模型规模:超千亿参数。 训练语料:超过2万亿Tokens 的预训练语料。 解决方案:中标医疗大模型项目,利用大模型智能学习相似问题、文件知识及疾病百科,打造智能问答系统。 成效: 累计服务患者:49万+ 人 累计咨询次数:62万+ 次 单日咨询峰值:2000次 4.
一、 产品定位与核心亮点 产品定位:本产品是基于腾讯医疗大模型与腾讯医典内容生态构建的“连接+工具箱”矩阵,深度融合微信与企业微信底层架构。 二、 产品应用场景 本产品主要解决三大受众在不同业务场景中的核心痛点: 药企/医疗品牌方:针对需提升药品市场认知及患者依从性的场景。 三、 应用框架和功能介绍 3.1 功能框架 基于大模型与业务流转闭环,产品主要由三大核心架构组成: 医学大模型用药咨询助手:以对话机器人形态提供疾病问药、处方解析及用药提醒等AI服务。 基层医疗场景专属精调大模型:支持配置向量知识库,下放至分机构问答库(开门时间、问医生排班、问药品库存),患者支持完全口语化表述,系统基于规则引擎推断潜在意图。 解决方案: 部署大模型用药咨询助手:为微信用户与潜在群体提供智能用药指导。 搭建“疾病-药品-专题页”患教专区:整合腾讯医典入口,利用微信搜一搜、QQ浏览器等多端搜索引擎进行精准触达与召回。
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. 2. 运营效率与成本优化 体检业务增收: 南宁市第一人民医院: AI加项使用率 40%+,购买率 71.43%,订单金额提升 +28.10%。 2. 上海长海医院:结直肠AI辅助 场景: 肠镜检查实时辅助。 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。
数据来源: 腾讯医疗健康事业部、CSIG云与智慧产业事业群,《腾讯大模型产品能力介绍以及应用探索》,2024年5月。 一、 产品定位与核心亮点 1. 2. 医疗行业大模型 技术定义: 深度训练学习海量优质医疗数据的生成式大语言模型,适用于有业务专家团队、没有技术专家团队的客户。 荣誉背书 医疗AI三类证: 腾讯是唯一具有 3个 医疗AI三类证的大厂(涵盖青光眼、宫颈癌、肺炎)。 国际竞赛: 腾讯优图实验室多次在人工智能国际权威比赛中创造世界纪录。 五、 行业趋势与腾讯能力底座 1. 行业趋势 市场规模: 我国10亿参数规模以上的大模型已发布 79个(截至报告发布时,国内已有200+大模型推出)。 模型底座: 通用大模型腾讯混元提供底层支持。
应对海量医疗数据解析与病理诊断效率瓶颈 在现代医学检验与诊断服务中,医疗机构面临着复杂场景下的多模态数据处理难题。 部署腾讯云知识引擎与DeepSeek,构建零代码智能工作流 华银康集团深度融合 腾讯云知识引擎 与 DeepSeek 大模型 API,快速上线了大模型 AI 助手“小华”,构建覆盖“精准诊断-智能解读- 企业级知识引擎整合: 结合大模型知识引擎的文档解析、拆分、Embedding、多轮改写等原子能力,解决复杂知识处理难题。 提升图文解析准确率,实现全链路智慧医疗闭环 AI 助手“小华”在临床诊断、报告解读与运营管理中落地,为业务流程带来量化的效能提升: 解析准确率突破: 基于 OCR 大模型对图文并茂的文档进行深度解析,相比传统解析方式 提供从底层模型到业务场景的完整数智化基座 腾讯云作为企业的“数字化助手”,不仅提供了接入 DeepSeek 模型 API 的便捷通道,更通过叠加自研的知识引擎、OCR 大模型与 RAG(检索增强生成)架构