《医智共生：当DeepSeek遇见未来医院》是一本探讨人工智能技术与医疗行业深度融合的前沿著作。本书从机器学习、深度学习、大模型（如LLM）等基础技术出发，详细介绍了DeepSeek的核心技术及其在医疗场景中的创新应用。通过分析医院数字化转型中的痛点（如患者服务、临床赋能、管理决策等），书中提出了一系列基于DeepSeek的解决方案，包括单智能体与多智能体系统的搭建、模型微调与训练方法，以及实际落地路径的规划。此外，本书还结合四川省人民医院的实践经验，展示了"场景+技术”落地的典型案例，并展望了未来医疗在DeepSeek驱动下的新图景。
雷舜东，博士，高级工程师，现任四川省人民医院医学信息中心主任、互联网医学中心主任，任四川省卫生信息学会 医院信息管理专业委员会 主任委员、四川省医学会医学信息专业委员会 候任主任委员、中国卫生信息与健康医疗大数据学会医院物流供应链（SPD）大数据应用分会 常务理事、四川省医院协会信息化建设分会理事会 副会长、四川省中医药信息学会 常务理事、成都医学会数智健康发展考业委员会 副主任委员、四川省智慧医院评价专家、四川省医院评审专家库评审员。
目录
01 破晓之路：人工智能发展概览
1.1 智能觉醒：AI学习范式解密 /3
1.1.1 机器学习的兴起与发展 /4
1.1.2 深度学习的革命性突破 /6
1.1.3 强化学习的独特价值与发展 /8
1.2 大模型的迭代演进之路：从奠基到革新 /9
1.2.1 奠基期（2017—2018年）：Transformer的横空出世 /10
1.2.2 爆发期（2020—2024年）：大模型爆发与GPT时代 /12
1.2.3 革新期（2024年至今）：效率革命与DeepSeek的破局 /13
02 异军突起：DeepSeek 崛起探秘
2.1 诞生背景：时代需求与技术催生 /16
2.1.1 全球大模型发展全景 /16
2.1.2 行业模型的关键诉求 /20
2.1.3 大模型发展的困境 /22
2.2 核心技术：算法基石与创新架构 /23
2.2.1 DeepSeek-V2：奠定高性能模型的训练推理架构 /23
2.2.2 DeepSeek-V3：对标最强通用模型GPT-4o /27
2.2.3 DeepSeek-R1：对标最强推理模型OpenAI-o1 /31
2.2.4 DeepSeek创新启示：长期主义的突破 /35
2.3 模型对比：能力、成本与安全 /36
2.3.1 DeepSeek与主流模型系列的对比 /37
2.3.2 DeepSeek模型组合策略 /39
03 荆棘满途：医院数字化转型的困境与挑战
3.1 服务升级困局：患者需求、临床效率与管理效能的挑战 /42
3.1.1 患者服务需求升级 /42
3.1.2 临床效率瓶颈 /45
3.1.3 医院管理决策数字化转型的困境 /49
3.2 人才断层危机：医学与工程复合型能力的缺失 /51
3.2.1 复合型人才短缺的多维矛盾 /51
3.2.2 深层挑战的系统性影响 /53
3.3 数据安全困境：隐私保护与价值挖掘的平衡术 /55
3.3.1 数字化时代的医疗数据画像 /55
3.3.2 隐私保护的现实挑战 /56
3.3.3 数据流动受阻共享困难 /57
3.4 创新壁垒：技术感知与本地化实施的矛盾 /58
3.4.1 从热词到冷场：脱节的“技术想象力” /58
3.4.2 “上面推、下面抗”：本地实施的组织阻力 /59
3.4.3 “看起来是技术问题，其实是流程问题” /59
3.4.4 “不会用”“不想用”“用不好”：能力与认知的双重缺口 /60
04 蜀地先行：DeepSeek的四川实践
4.1 患者服务重构：便捷、高效与个性化就医 /62
4.1.1 智能客服 /63
4.1.2 智能导诊系统 /64
4.1.3 智能预问诊系统 /65
4.1.4 智能导航服务 /67
4.1.5 AI家庭医生 /67
4.1.6 智能报告解读 /70
4.2 临床赋能实践：诊断、治疗与预后新突破 /71
4.2.1 门诊听译机器人 /71
4.2.2 医生数字分身 /72
4.2.3 医生智能助手 /73
4.2.4 手术麻醉风险智能评估 /80
4.2.5 手术智能排程 /81
4.2.6 AI辅助罕见病精准诊疗平台 /82
4.2.7 双向转诊AI应用 /83
4.2.8 智能随访 /84
4.2.9 用药管家系统 /85
4.3 管理决策升级：数据驱动的智慧运营 /87
4.3.1 智能问答机器人“省e通” /87
4.3.2 自然语言驱动的ChatBI智能问题数据分析系统 /90
4.4 标杆案例深度解构：四川省人民医院的实践范式——成功经验与可复制模式 /93
4.4.1 战略布局：引领变革方向 /93
4.4.2 技术落地：多维度创新应用 /95
4.4.3 数据治理：筑牢智能医疗根基 /96
4.4.4 成功经验总结与可复制模式探索 /96
4.4.5 未来发展展望与区域辐射影响 /97
05 破局之道：DeepSeek驱动医院数字化转型的技术方案
5.1 技术选型指南：打造智能医疗的技术底座 /101
5.1.1 模型选型 /101
5.1.2 推理引擎选型 /105
5.1.3 服务编排平台选型 /108
5.1.4 算力设施选型 /110
5.2 如何部署模型 /123
5.2.1 通过Ollama部署DeepSeek /124
5.2.2 通过MindIE部署DeepSeek /125
5.3 提示词工程 /130
5.3.1 什么是提示词工程 /130
5.3.2 提示词的核心要素 /130
5.4 RAG：重塑医疗AI应用格局的关键力量 /132
5.4.1 RAG是什么 /133
5.4.2 RAG在医疗领域的重要性 /134
5.4.3 RAG的优点 /134
5.4.4 RAG在医疗领域的运作流程 /135
5.4.5 RAG与语义搜索在医疗领域的关系 /136
5.5 领域自适应：医疗专业微调的技术要诀 /136
5.5.1 微调前准备 /137
5.5.2 微调模型所需资源 /139
5.5.3 工具和框架 /141
5.5.4 微调步骤 /141
5.5.5 微调模型总结 /149
5.6 AI全流程实践：打造智能患者咨询服务机器人 /150
5.6.1 实践背景与需求驱动 /151
5.6.2 建设意义 /152
5.6.3 技术架构 /153
5.6.4 开发步骤 /158
06 驶向未来：基于DeepSeek的未来医疗展望
6.1 未来医院的三维图景：无边界服务—精准医疗—自治化运营 /182
6.1.1 无边界服务：打破时空限制的医疗生态 /183
6.1.2 精准医疗：从基因测序到个性化干预 /184
6.1.3 自治化运营：AI驱动的医院管理革命 /184
6.2 技术演进前瞻：具身智能与生物计算融合的可能性 /185
6.2.1 具身智能：从机械臂到手术机器人的进化 /185
6.2.2 生物计算：破解生命密码的新范式 /186
6.2.3 融合场景：从实验室到临床的跨越 /187
6.3 医疗AI伦理框架：在创新与风险之间建立新平衡 /187
6.3.1 伦理学的相关概念 /188
6.3.2 医疗AI的创新潜力与伦理挑战的双重图景 /193
6.3.3 国际医疗AI伦理治理的共识与分歧 /196
6.3.4 构建动态平衡的伦理框架 /197
6.4 医智共生：技术与医学生态的深度融合路径 /200
6.4.1 生态重构：从单点突破到系统协同 /201
6.4.2 数据治理：隐私与创新的平衡 /202
6.4.3 人文回归：科技赋能下的医疗温度 /203
6.4.4 全球协作：创新联合体的崛起 /204
书单推荐
