大家好，我是吾鳴。
之前吾鳴给大家分享过浙江大学的DeepSeek系列公开课内容，包含PPT+视频，它们分别是：
浙江大学|DeepSeek系列公开课|第二季|DeepSeek技术溯源及前沿探索
浙江大学公开课|第二季|从大模型、智能体到复杂AI应用系统的构建——以产业大脑为例
第一期（上）：吴飞（浙江大学）DeepSeek：回望AI三大主义与加强通识教育
第一期（下）：Chatting or Acting？——DeepSeek的突破边界与“浙大先生”的未来图景（浙江大学 陈文智）
第二期（上）：孙凌云（浙江大学）DeepSeek：智能时代的全面到来和人机协作的新常态
第二期（下）：王则可（浙江大学）DeepSeek模型优势：算力、成本角度解读
第三期（上）：陈静远（浙江大学）语言解码双生花：人类经验与AI算法的镜像之旅
第三期（下）：吴超（浙江大学）走向数字社会：从Deepseek到群体智慧
第四期（上）：陈建海（浙江大学）DeepSeek的本地化部署与AI通识教育之未来
第四期（下）：朱朝阳（浙江大学）DeepSeek之火，可以燎原
今天吾鳴要给大家分享的是浙江大学DeepSeek系列公开课第二季第三期的内容，这次公开课的主题是AI大模型如何与传统医疗相结合，打破传统医疗的一些弊端，让AI大模型在医疗领域应用给老百姓们带来便利。报告一共48页PPT，文末附上完整版PPT+公开课视频下载。
内容摘要
什么是DeepSeek？
- 介绍了DeepSeek作为开源大模型的技术背景与发展历程，包括其参数规模（十亿级以上）、基于Transformer架构的特点，以及与GPT、LLaMA等模型的对比。
- 阐述了DeepSeek在算力投入、开源生态、国产化替代等方面的优势，并提到其在医疗场景中的应用潜力。
- 强调DeepSeek通过“系统2”式深度推理能力（如临床病例分析）弥补传统大模型的不足，推动医疗智能化发展。
如何破局智慧医疗？
- 技术层面：分析医疗场景的复杂性，提出构建医学领域大模型的重要性，需融合通用大模型、权威医学知识和临床数据，并通过工具链实现私有化部署。
- 数据层面：探讨医疗数据的多样性（如电子病历、影像、基因组数据）及治理挑战，强调数据向信息、知识、智慧的转化逻辑。
- 政策与生态：解读国家智慧医疗分级评价标准，指出医院需从信息化转向智能化，建设AI基础设施（如算力、数据平台），并实现与现有医疗系统（HIS、PACS等）的融合。
- 挑战与对策：包括数据安全、AI幻觉、临床流程适配等问题，提出需通过多学科交叉和场景化人机协同（如嵌入型助手、智能体）逐步解决。
应用案例
- MedCopilot医生助手：整合AI技术辅助诊疗全流程，覆盖预问诊、病历生成、用药推荐、科研支持等场景，提升效率。
- 关键患者精准管理（APTS） ：利用大模型分析病历数据，精准识别需跟踪的高风险患者，降低流失率并优化资源分配。
- 启真智医AI教学平台：基于医学大模型构建智能教学系统，支持自主学习、考核评价及教学质量监控。
- OmniPT病理大模型：结合多模态数据实现病理图像分析（如癌症分级、报告生成），提升诊断准确性。
总结与展望
- 强调大模型将加速医疗智能化，改善患者体验和医院管理，但需重视数据质量、能力边界及伦理问题。
- 呼吁医院加快AI基础设施建设，推动医生与患者适应人机协同新模式。
精彩内容
报告下载地址：kdocs.cn/l/ci1DfElGC…
