DeepSeek殺瘋了！超100家醫院緊急部署，醫療系統迎來大變局！

DeepSeek進醫院，全國卷瘋了。

據不完全統計，全國已經有超100家醫院完成DeepSeek的本地部署，遍佈北京、上海、安徽、四川、廣東、河北、湖南、江蘇等二十多個省市和自治區。

應用場景上，DeepSeek也迅速落地到了患者服務、科研、診療、辦公、管理等各個方面，足以見得醫療大模型的火爆。

值得注意的是，本地部署DeepSeek的醫院大多爲三甲醫院。例如四川省人民醫院通過本地化部署DeepSeek實現全場景智能化落地；中南大學湘雅醫院也成功完成國產AI醫療中臺本地化部署。

部署DeepSeek的醫院數量還在不斷增長，毫無疑問，作爲醫療系統中的樞紐，醫院大面積接入有望重構當前醫療服務模式。

多家醫院緊急部署

DeepSeek爆火的起始點在於：作爲當前國內最強開源模型，不用醫院方面承擔昂貴的訓練成本，也有益於隱私數據保護。

按照國家規定，所有患者診療數據必須在內網閉環處理，禁止原始數據跨物理區域傳輸。

這使得DeepSeek的私有化部署方案成爲醫療機構的首選，減少數據在傳輸和存儲過程中的風險，確保數據的安全性。

儘管DeepSeek-R1以極低的訓練成本降低了部署門檻，但對於醫院方而言也是一筆不菲的費用。

目前DeepSeek提供了從1.5B到671B的不同參數的開源模型，以便於符合多種場景需求。 一般來說，參數量越大，模型的性能越好，尤其是在解決複雜醫學任務時，對於模型性能的要求較高。

如果要應對醫學數據分析等高精度需求，則需要用到大規模雲端計算集羣，價格非常昂貴。

此外，進行本地化部署後，醫院能夠利用本地數據進行二次開發。多家醫院正在探索深度對接醫院臨牀信息系統，充分激活海量診療數據，提升DeepSeek回答醫療問題的準確性。

這就要求醫院加大對於AI算力和服務器的建設，同時醫院需組建3-5人的運維團隊，模型微調和設備的更新換代都需要持續投入。

這就解釋了院方引入DeepSeek運動下，響應者絕大多數都是三甲醫院，小醫院和社區醫院無法承擔昂貴的部署成本。也就形成"頭部醫院落地，基層醫院觀望等待"的格局。

例如天津醫科大學總醫院就通過定製化算力的方式，完成完成DeepSeek“智算一體機”部署，成爲該市首個完成DeepSeek本地化部署的三甲醫院。

不過這種情況不會持續太久，隨着各地醫聯體、算力中心的建立，有助於解決醫療資源不平衡的問題。

例如，區域醫療中心可通過定製DeepSeek模型輸出標準化診斷能力至社區醫院，推動分級診療落地。

部署後怎麼用？

由於醫療資源的不平衡，醫療領域一直都是亟需AI支持的大行業場景。

醫院接入DeepSeek究竟是真實需求還是跟風，最重要的是要轉化爲實際落地，提高醫療服務的效率和質量、應對醫療資源短缺的挑戰等。

也就是說，DeepSeek部署大模型需要和醫院複雜的醫院場景進行結合。從現階段來看，筆者簡單將醫院探索主要分爲三大場景。

病人端：即醫院通過DeepSeek等大模型改善病人的就醫體驗，讓病人能夠最直觀的感受到AI帶來的舒適度與便利。 例如AI+智能導診、AI病歷單（檢查單）分析、AI+醫學科普與宣教、康復指導等環節，都能夠大幅度減少患者的負面體驗，加強診療滿意度。

圖：杭州市第一人民醫院推出“雲影像+AI報告解讀”服務

醫護端：在當前醫護工作壓力負擔較重的情況下，DeepSeek的接入有望切實的幫助醫生減少繁雜事務，將醫生的專業價值聚焦於診療決策。包括影像和病理診斷、醫學知識問答、病情分析、診療方案建議、病歷自動生成等場景。

這部分也是當前醫院場景最豐富，未來DeepSeek部署後具有想象力環節。例如，四川省人民醫院泌尿外科團隊在既往豐富癌栓治療經驗的基礎上，利用DeepSeek輔助形成個體化圍手術期管理方案、採用高精度CT成像融合三維重建技術，構建出精準的“數字脈管系統”，爲患者實施詳盡的手術方案。

圖：四川省人民醫院使用DeepSeek+虛擬三維重建

運營端：在醫院日常運營中，DeepSeek可以智能化處理行政審批、排班管理、等事務，甚至在最核心的DRG/DIP控費環節，AI有望幫助降低醫療支出。

圖：北中醫深圳醫院的運營助手

支付端難以閉環

醫院部署DeepSeek熱潮下，是否會衝擊商業化AI醫療公司？

對此，一家AI醫療公司內部人士告訴智藥局：“由於公司不止提供AI大模型服務，目前暫時沒有受到DeepSeek的衝擊。”

根據智藥局瞭解，醫院大面積部署DeepSeek不僅催生了一波算力需求，同時也釋放了對醫療信息化、數據流程沉澱、大模型訓練、建立本地知識庫等一系列底層工具的需求。

實際上，這一次現象級引入AI大模型的背後，有來自國家頂層設計的推動。

去年11月，國家衛生健康委牽頭制定了《衛生健康行業人工智能應用場景參考指引》，列出了AI在醫療領域創新應用的84個領域，旨在促進AI的採納。

圖：衛生健康行業人工智能應用場景參考全景圖

各地也在紛紛響應，上海市發佈了《上海市發展醫學人工智能工作方案（2025—2027年）》，大力發展醫療AI；四川省則在2025年政府工作報告中提到：發展互聯網醫院、遠程診療和“AI+醫療”，促進優質醫療資源更好下沉共享。

但除開DeepSeek這樣的免費開源大模型，目前AI系統入院變現還有不少難點。

一個重要的原因是監管方面模棱兩可的態度，當前政策一邊支持AI+醫療的技術發展，另一邊卻並未在支付端放開。

例如醫保局明確表示：在已收取診斷相應項目檢查費用後，不宜單就人工智能輔助診斷再向患者額外收費。簡而言之，醫院無法將調用AI的成本轉嫁給患者。

醫保局給出的解釋是在於，當前人工智能技術在臨牀實踐中一定程度上起到輔助診斷或提高效率的作用，但還無法替代醫師診斷，尚無獨立的醫療服務產出、輔助診斷質量效用難以確定。

這意味着，當前醫院使用AI只有“降本”的功能定位，而缺乏最重要的“增收”的動力。導致多家以AI醫療軟件爲主的公司，包括鷹瞳科技、聯影醫療等，一直面臨着業績壓力。

要打破這個困境，一方面需要技術的不斷髮展，不斷降低AI模型部署成本，提升AI輸出效果，使其有望真正成爲醫生的左膀右臂。 而另一方面，則需要在政策上打開，促進AI審批進院，以及支付端的優化。

尤其面對我國醫療資源緊張、醫保費用緊張等疑難雜症，一場醫療智能化革命必然在全國鋪開。

—The End—