人工智能技术的发展正在推动医疗信息化进行新的升级和变革。垂直领域的大语言模型会是新一代信息化系统的有力帮手。然而如何将大模型同系统结合，推演至临床可用的医疗系统，需要解决从模型构建、集成、系统结合和应用设计的一系列问题。
在基于基础模型的微调，我们需要更多地关注数据质量，使用包括数据工程、偏好对齐的方法来优化我们的大模型，同时也要关心部署成本。
为了更好的将大模型同HIT系统进行结合，我们设计了copilot，实现全医疗场景的赋能，并能加快临床场景的开发和建设。
本次演讲将展开介绍目前在全国多家医院率先试运行的场景和运行效果。

演讲提纲：

1. 大模型时代让AI可及
   • AI技术迭代：从规则驱动到大模型驱动
   • GenAI：大语言模型的三大特点
   • 模型：医疗垂直领域大模型训练核心关注点
   • 训练：医疗数据多样性和指令丰富度是模型能力基本要素
   • 实践：大语言模型评测和开源推广
   • 部署：技术持续提升，让本地化低成本部署成为可能
2. 大模型带来AI应用新范式
   • Copilot：大模型与应用系统之间的衔接器
   • Copilot：赋能医疗全场景
3. 场景增强的大模型应用实践
   • AI Augmented：AI增强的医疗场景
   • 医技：影像报告助手
   • 医技：超声质控助手
   • 临床：基于LLM增强CDSS
   • 临床：病历文书助手
   • 临床：智能语言查房助手
   • 管理：AI Agent（智能体）

听众收益：

1. 深入了解医疗行业大语言模型的训练重点和关键要素
2. 了解目前大模型应用和HIT系统结合的场景和未来发展方向