提高手术精度、减少并发症、

缩短报告分析时间、

减少误诊和漏诊风险、

助力疾病早期筛查和精准干预……

当AI和医疗相遇，

会碰撞出什么样的火花？

近日，

广东省卫生健康委公布了

首批 289个“人工智能+医疗卫生”应用场景案例，

我院9项AI创新成果脱颖而出、成功入选。

其中，影像诊断类4项 ，

专病决策类3项，

手术辅助类2项，

入选总数居全省众医疗机构前列。

入选项目一览

（一）医学影像智能诊断（4项）

1.细胞病理智能辅助诊断系统

• 系统覆盖宫颈、甲状腺、尿液、胸腹水四大核心应用场景，融合了深度学习与图像识别技术，对液基薄层细胞图像进行自动分析、病变区域精准定位与细胞病变智能分级，生成结构化、标准化诊断报告，灵活嵌入现有病理工作流程，显著提升细胞学诊断的效率。已累计在本院分析超12万例病理图像和文本，敏感性≥95%、特异性≥85%，在宫颈筛查、甲状腺细胞穿刺活检、尿脱落细胞和可疑胸腹水分析等高频临床场景中均表现优异，其中宫颈细胞学模块、甲状腺细胞学模块已完成多中心临床试验，验证了其具备初筛与自动筛查能力。

2.宫颈癌筛查人工智能辅助平台

• 团队前期开发了高性能的宫颈癌、甲状腺癌和膀胱癌等细胞病理辅助诊断系统，其中宫颈癌筛查系统能帮助克服限制宫颈癌筛查工作中的重重因素，并显著提高病理医生的诊断水平与工作效率。研究成果已在《Lancet Digital Health》、《Nature Communications》、《EClinicalMedicine》等高影响力期刊上发表，并在18个省市的百余家医院落地使用。平台整体架构于图文，大语言双模型，使用20万+宫颈细胞病理图像以及9万+宫颈细胞病理图像文本描述进行训练。生成式人工智能的应用预期将显著提升筛查的准确性、效率和普及率，促进筛查的公平性和可及性，推动公众对宫颈癌筛查的接受度。长期来看，不仅能提升筛查效率，还将推动医学研究和创新，最终实现宫颈癌的早期发现、早治疗，降低发病率和死亡率。

3.皮肤镜图像甲真菌病人工智能辅助诊断系统

• 系统可智能评估指/趾甲罹患甲真菌病的概率，并自动识别图像中的特征性病变标志，同步输出各特征的存在概率。模型诊断敏感度达93.02%、特异度78.48%、总体准确率87.50%，与金标准的Kappa一致性系数达0.729，实现无创化、高精度筛查。应用于临床诊疗与健康管理全流程：门诊场景中，医生结合皮肤镜图像上传云平台，实时获取甲真菌病概率诊断及特征量化分析结果，辅助鉴别非特异性甲病症状（如甲板浑浊增厚）并制定精准治疗方案；需长期随访的患者，系统支持自主上传治疗期的甲部影像，优化抗真菌疗程管理。自2023年在本院皮肤科落地应用以来，年均服务患者逾千例，临床确诊率稳定在50%-80%，显著减少侵入性检查需求，推动甲病诊疗向数字化、标准化转型。

4.基于人工智能辅助眩晕疾病分类与良性阵发性位置性眩晕疾病分型诊断系统

• 系统正实现对5种常见眩晕疾病的辅助诊断，提升诊断效率与准确率。该系统采用引入YOLOv4轻量级模型与TS2Vec骨干网络用于眼动轨迹提取和体位视频分析，并整合病史、眼震视频、体位试验与听力检查等多模态数据，通过Transformer架构进行特征提取与关联分析，并构建知识图谱与深度学习模型实现动态决策支持，支持对眩晕类型与BPPV分型的精准识别。系统已实现对近2000名眩晕患者的精准辅助诊断，单个病例诊断时间由传统30分钟缩短至5分钟以内，误诊率从40%降低至10%以下，实现确诊从平均2-3天缩短至即时，患者不必要的CT/MRI检查率下降30%，显著提升了眩晕疾病的诊断效率与准确率。单例诊断成本降低约50%，有效节约医疗资源与重复治疗支出。

（二）临床专病决策支持（3项）

5.基于AI的重症监护室智能辅助诊疗平台

• 平台包含15万例重症病例的知识库，覆盖37种急危重诊疗路径，服务各类危急病症患者10万人次。平台通过整合生命体征监测仪、影像设备、电子病历等18类医疗数据源，运用深度学习与知识图谱技术，基于时序神经网络的脓毒症预测模型，可提前6-8小时预警感染性休克风险；构建跨模态特征融合引擎，将影像组学数据与生化指标关联分析，使ARDS（急性呼吸窘迫综合征）诊断准确率提升至92.5%。脓毒症早期识别率从67%提升至89%，误诊率下降41%；机械通气时间中位数缩短1.8天；ICU平均住院日减少2.3天。2023年甲流重症高峰期间，平台辅助完成437例危重患者分级诊疗，使医护人员日均工作时长减少3.2小时，医疗差错发生率下降54%。

6.检验结果综合解读辅助决策功能

▶ 基于医学大模型整合多源知识库（如诊疗指南、电子病历），通过自然语言解析和机器学习算法，生成结构化报告并提供精准诊断建议。该功能已累计使用63.3万次（医生端）和22.5万次（患者端），显著缩短报告分析时间，减少误诊和漏诊风险，助力疾病早期筛查和精准干预。

7.智能诊疗辅助支持功能

• 通过DeepSeek医学知识增强AI模型深度整合HIS系统数据（如电子病历、检验报告、影像资料），为医生提供实时诊断建议和个性化治疗方案推荐。该功能依托多模态知识推理引擎，动态更新诊疗规范，自动预警药物冲突和禁忌症。上线以来，医嘱开具效率提升10%-20%，有效减少人为差错，并降低单病例诊疗成本5%-10%。

（三）手术智能辅助规划（2项）

8.基于深度学习的颞骨手术关键解剖结构识别与预测系统

• 系统以深度学习为核心，融合多模态技术：收集颞骨解剖及耳蜗植入手术视频，经清洗与自适应标注生成有效帧，基于ResNet50提取高分辨率特征，集成U-Net进行语义分割，结合Transformer编码器实现动态位置预测；通过5折交叉验证与临床反馈优化算法，模型推理时间≤0.015秒，满足实时需求。覆盖术前规划，术中导航及术后评估流程。在目前应用案例中能够精准识别术中的关键结构，识别准确率超80%，单台手术时间缩短20%，模型实时响应（≤0.015秒），动态导航准确率提升30%。术中并发症发生率显著降低，新手医生学习曲线缩短40%，术后处理费用减少15%。

9.基于人工智能的NBEE 技术大型下颌囊性病变手术中的应用

• 基于术中导航的内镜下刮治术（NBEE）治疗颌骨巨大囊性病变的手术导航应用场景。术前应用手术规划软件（如Mimics或ProPlan CMF）和导航规划软件（AccuNavi-A 2.0）进行图像分割和导航路径模拟，实现对颌骨病灶、区域内神经、埋伏牙等重要结构的精准识别和定位，目标是提高手术精准度，减少并发症。现已完成患者80余例，均获得满意疗效，发表相关高水平论著2篇，基于该技术开展多中心和单中心前瞻性项目各一项。目前在此基础上正在开发基于该技术的混合现实（MR）治疗模块。

展望未来，

我院将进一步加强

“人工智能+医疗卫生”的探索和实践，

丰富人工智能应用场景，

不断提升医疗卫生服务效率和质量，

为广大患者提供更优质、高效、便捷的健康服务，

推进卫生健康事业高质量发展。

（文/图 人工智能研究室）