"Med-Go", ein medizinisches Großmodell von "ShuoLe Information", wird in DeepSeek integriert, wodurch die Diagnosegenauigkeit der Krankengeschichten um 10 % steigt｜Frühprojekt

Nach dem Hype um DeepSeek scheint es seit dem Ende der Neujahrsferien zur drängendsten Aufgabe geworden zu sein, dass zahlreiche medizinische Unternehmen es einführen. Nach unvollständigen Statistiken von 36Kr haben seit der Wiederaufnahme der Arbeit nach den Ferien mindestens 20 Unternehmen im medizinischen Bereich öffentlich angekündigt, DeepSeek einzuführen. Darunter befinden sich nicht nur traditionelle Pharmaunternehmen wie Hengrui Medicine und Yunnan Baiyao, sowie etablierte IVD-Unternehmen wie KingMed Diagnostics und Sansure Biotech, sondern noch aktiver sind AI-Medizin-Konzepte wie Zhiyun Health, Eagle Eye Technology, Yidu Technology und Shukun Technology.

In Gesprächen mit mehreren Unternehmen, die bereits DeepSeek integriert haben, haben wir erfahren, dass DeepSeek im Großen und Ganzen nicht unbedingt als "disruptive technologische Innovation" eingestuft werden kann. Nach Anpassungen zeigt es jedoch in Szenarien der Inferenz und Entscheidungsfindung herausragende Leistungen und kann somit die hauseigenen AI-Produkte der Unternehmen bei der Verarbeitung komplexer medizinischer Daten oder der Unterstützung präziser Entscheidungen besser unterstützen.

Shole Informatik ist eines der frühesten medizinischen Unternehmen, das DeepSeek integriert hat. Der CEO, Zhang Hanxiang, gab bekannt, dass Shole zusammen mit dem Shanghai East Hospital im November letzten Jahres das AI-medizinische Großmodell Med-Go vorgestellt hat.

Vor der Veröffentlichung des Modells hat das Shole-Team über 6000 in- und ausländische medizinische Lehrbücher ausgewählt, um Med-Go zu "füttern", sodass es nun auf einer Basis von 20 Milliarden hochqualitativen medizinischen Daten beruht. Derzeit wird das Medizinmodell Med-Go, nachdem es in DeepSeek-R1 (671B) integriert wurde, in Einrichtungen wie dem Shanghai East Hospital angewendet und hat seine Fähigkeiten in der ICU-Umgebung validiert.

Hier sind detailliertere Inhalte, die Zhang Hanxiang mit 36Kr geteilt hat (bearbeitet):

F: Welche Überlegungen standen hinter der Integration von Med-Go mit DeepSeek und welche Effekte erwarten Sie?

Wir haben hauptsächlich seine exzellenten Fähigkeiten im Bereich Inferenz und Mathematik berücksichtigt. In Kombination mit der Med-Go-Medizin-Wissensdatenbank kann der Wert von medizinischen Daten besser genutzt werden. Für die Med-Go-Version von DeepSeek haben wir zusammen mit dem Medizinerteam eine Vielzahl von Falltests durchgeführt, wobei die Genauigkeit der Krankheitsdiagnosen um über 10% gesteigert wurde, insbesondere bei der Diagnose komplexer Fälle.

F: Könnten Sie spezifische Szenarien beschreiben, in denen Sie Ihre Erfahrungen mit der Verwendung von Med-Go DeepSeek teilen?

Derzeit wird Med-Go bereits klinisch in Krankenhäusern eingesetzt. Aus Sicht der ICU-Ärzte hat die Med-Go-Version von DeepSeek im "tiefen Denkmodus" die Fähigkeit der Ärzte, die patientliche Kranke umfassend zu analysieren, erheblich verbessert, insbesondere bei der Differentialdiagnose komplexer oder multipler Erkrankungen.

Da Ärzte in der ICU bei der Behandlung schwerkranker Patienten oft in kurzer Zeit wichtige Entscheidungen treffen müssen, hatten wir einst einen Patienten mit Multiorganversagen, dessen Krankheitsverlauf komplex und schnell sich ändernd war. Die Ärzte standen vor verschiedenen Behandlungsoptionen, einschließlich mechanischer Beatmung, Blutreinigung und medikamentöser Therapie. In diesem Fall konnte das abgestimmte DeepSeek die Krankengeschichte des Patienten, Untersuchungsergebnisse und die neuesten medizinischen Forschungen kombinieren, um den Ärzten eine umfassende Entscheidungshilferahmen zu bieten. 

In Diagnoseprozessen bestimmter kritischer Patienten kann es schnell alle Patientendaten analysieren, einschließlich Vitalzeichen, Labordaten, Bildmaterial und bietet mehrere mögliche Diagnoseoptionen, was die Entscheidungszeit verkürzte und die Genauigkeit der Diagnosen verbesserte.

Darüber hinaus kann DeepSeek die Auswirkungen verschiedener Behandlungsoptionen auf die Prognose des Patienten vorhersagen und den Ärzten helfen, die am besten geeignete Behandlungsoption auszuwählen. Es kann auch basierend auf den Echtzeitdaten des Patienten dynamische Behandlungsvorschläge anpassen, um die Aktualität und Wirksamkeit des Behandlungsprotokolls sicherzustellen. Auf diese Weise hat DeepSeek nicht nur die Effizienz der Entscheidungen der Ärzte erhöht, sondern auch das medizinische Risiko verringert und die Behandlungsergebnisse der Patienten verbessert.

F: Inwiefern unterscheidet sich die Verwendung von DeepSeek für medizinische Unternehmen von der früheren Implementierung anderer generativer AI-Großmodelle?

Der größte Wert von DeepSeek liegt darin, dass es der medizinischen Industrie eine "Open-Source + lokalisierte" starke Inferenzmodell-Lösung bietet. Dies ermöglicht es Unternehmen, die Technologie und Daten selbstständiger zu kontrollieren und gleichzeitig tiefgreifend auf spezifische Geschäftsanforderungen anzupassen. Dies löst nicht nur Bedenken hinsichtlich der Datensicherheit, sondern bietet auch Möglichkeiten für unendlich vielfältige AI-Anwendungsszenarien in der Zukunft.

F: Eines der Kernthemen bei der Anwendung von Großmodellen im medizinischen Bereich ist Daten und Privatsphäre. Wie sehen Sie in diesem Punkt die Leistung von DeepSeek? Welche Förderung kann es für den Fortschritt der AI-Medizin leisten?

DeepSeek bietet einen praktikablen Weg für die Umsetzung von Großmodellen im medizinischen Bereich. Durch eine lokalisierte Bereitstellung und Open-Source-Transparenz hat DeepSeek effektiv die Bedenken der medizinischen Einrichtungen in Bezug auf Datenschutz und Compliance gemildert, gleichzeitig mehr Anwendungsszenarien und Innovationsmöglichkeiten eröffnet, und somit den Fortschritt und die Entwicklung der AI-Medizin umfassend vorangetrieben.

Med-Go, das in Krankenhäusern implementiert wird, wird privat deployiert und ist nicht mit dem Internet verbunden, was das Problem der Datenschutzverletzung an der Quelle löst.

F: DeepSeek könnte ein herausragenderes und kosteneffizienteres Werkzeug sein. Aus kommerzieller Sicht, glauben Sie, dass sich DeepSeek besser verkaufen wird?

Aus technischer Sicht bedeutet die Open-Source- und lokalisierte Bereitstellungsstrategie von DeepSeek, dass medizinische Unternehmen ihre Abhängigkeit von Drittanbieter-Cloud-Plattformen erheblich reduzieren können, was einerseits die Kosten für Cloud-Dienste senkt und andererseits die Datenkonformität und -sicherheit besser kontrolliert.

Für viele medizinische Szenarien, die stark auf Benutzerprivatsphäre und Compliance achten, hat dieses Modell offensichtliche kostenwirksame Vorteile. Wichtiger noch ist, dass die Open-Source-Strategie von DeepSeek es Unternehmen ermöglicht, das Modell tief zu personalisieren, was mehr spezialisierte AI-Anwendungen in mehreren Geschäftsbereichen wie klinische Diagnose, Arzneimittelforschung und Patientenmanagement ermöglicht und damit die Marktkompetenz des Produkts erhöht.

Am Beispiel von Med-Go sind wir stark mit Ärzten verknüpft, von der Auswahl des Korpuses über mehrfache Trainingsrunden bis hin zu tiefem Denken, alles wird durch die Ärzte destilliert. Die Ärzte sind die Produktmanager unseres Agenten, während das medizinische Korpus der Basismodelle nicht professionell ist und das ETL auch nicht sorgfältig durchgeführt wird, weshalb die Genauigkeit bei ernster Medizin niedrig ist. Hier liegt der Unterschied unserer tiefen Anpassung. DeepSeek hat in dieser Hinsicht hauptsächlich unsere Fähigkeiten bei mathematischen Berechnungsproblemen verbessert.

F: Zuvor wurde beim Einsatz von Großmodellen im medizinischen Bereich häufig beklagt, dass keine vernünftigen Anwendungsszenarien gefunden werden konnten. Wird DeepSeek in dieser Hinsicht etwas anderes bewirken?

Der Hauptgrund, warum großangelegte Modelle im medizinischen Bereich keine Anwendungsszenarien finden, liegt darin, dass die medizinischen Fähigkeiten der nativen Großmodelle unzureichend sind und deren Fähigkeiten nicht von Fachleuten wie Ärzten anerkannt werden. Jetzt, mit dem Erscheinen von DeepSeek, sind die Fähigkeiten des Basismodells erheblich gesteigert worden, und das von einem medizinischen Team tief optimierte DeepSeek-Modell wird definitiv effektiv die Schmerzpunkte im medizinischen Bereich lösen können.