关键词:
医疗人工智能
DeepSeek
肿瘤诊疗
检索增强生成
本地化部署
摘要:
目的评估本地部署中国深度求索公司(DeepSeek)研发的DeepSeek R1模型在肿瘤专科多任务场景中的应用价值,系统分析其在辅助诊断、治疗路径推荐、临床试验匹配、病历质量控制等方面的实际效能,验证其在智慧医院建设中的可行性和推广潜力。方法基于新疆军区总医院肿瘤科2024年5—8月的真实世界数据,构建融合检索增强生成技术的本地部署架构,并开展多场景效能验证。辅助诊断任务纳入30例胃癌患者,对比DeepSeek R1组与初级医师组诊断效能;治疗路径推荐任务纳入30例胃癌患者,对比DeepSeek R1组与ChatGPT-4组生成合并症管理、营养干预及治疗方案动态调整建议的能力;临床试验匹配和医患沟通任务基于10例非小细胞肺癌患者,评估DeepSeek R1模型的入组推荐准确率与医患沟通效果;病历质控任务基于50份历史病历,检验DeepSeek R1模型对逻辑矛盾的识别敏感度。结果DeepSeek R1组胃癌临床诊断准确率(96.7%对76.7%,P=0.008)、误诊率(6.7%对20.0%,P=0.039)、诊断耗时等优于初级医师组。DeepSeek R1组对识别合并症并生成个性化治疗建议(100.0%对13.3%,P<0.001)、评估营养风险并提供干预方案(86.7%对6.7%,P<0.001)、动态调整治疗方案(93.3%对0,P<0.001)等的能力优于ChatGPT-4组。DeepSeek R1模型的临床试验匹配准确率达90%。在医患沟通和病历质控任务中,DeepSeek R1组的医患共同决策量表总评分高于传统沟通组[(38.7±2.8)分对(21.3±3.5)分,P<0.001],DeepSeek R1模型对肿瘤分期冲突的敏感度为91.7%。结论DeepSeek R1模型通过本地化部署和多模态数据融合,在多个肿瘤决策任务中展现出显著的临床应用潜力,为智慧医院建设提供高性价比的技术路径。