全部商品分類
據(jù)統(tǒng)計，目前全國已有百余家三甲醫(yī)院實現(xiàn)ＤｅｅｐＳｅｅｋ本地化部署，但在實施過程中，普遍面臨技術認知斷層、實施路徑模糊等挑戰(zhàn)。
醫(yī)療行業(yè)具有其獨特的專業(yè)性與敏感性，每一項數(shù)據(jù)都與患者的隱私以及生命健康權益息息相關。因此，當醫(yī)療機構考慮引入ＤｅｅｐＳｅｅｋ等人工智能技術時，務必要進行周全、嚴謹?shù)囊?guī)劃。在此背景下，《醫(yī)療機構部署ＤｅｅｐＳｅｅｋ專家共識》（簡稱《共識》）于３月２９日正式對外發(fā)布。
《共識》由北京衛(wèi)生法學會大數(shù)據(jù)互聯(lián)網(wǎng)人工智能醫(yī)療專委會聯(lián)合中國生物醫(yī)學工程學會醫(yī)學人工分會法律倫理專家組共同制定，系近３０家國內(nèi)頂尖醫(yī)療衛(wèi)生及學術研究機構的醫(yī)療、醫(yī)院管理、醫(yī)學信息、衛(wèi)生政策、法學、醫(yī)學倫理等領域?qū)＜腋鶕?jù)國內(nèi)外相關法律法規(guī)及醫(yī)療機構實踐總結(jié)出的醫(yī)療機構部署ＤｅｅｐＳｅｅｋ的詳細指南，旨在為醫(yī)療機構提供科學、規(guī)范且安全的部署指南，確保包括但不限于ＤｅｅｐＳｅｅｋ等人工智能技術在醫(yī)療領域的應用既能契合醫(yī)療行業(yè)特性，又能切實推動醫(yī)療服務水平的提升。
《共識》系統(tǒng)規(guī)范了ＡＩ在醫(yī)療場景的部署流程，強調(diào)通過技術標準化與風險管控，提升診療精準度，保障患者隱私安全。據(jù)《共識》起草組召集人、中國醫(yī)學科學院醫(yī)學信息研究所醫(yī)療衛(wèi)生法制研究室主任曹艷林向健康界介紹，《共識》從醫(yī)療需求適配性、技術能力與基礎設施、法律法規(guī)與倫理風險、數(shù)據(jù)準備與管理、模型選擇與優(yōu)化、系統(tǒng)集成與培訓、性能監(jiān)測與持續(xù)優(yōu)化、風險管理與應急處置、合規(guī)審查與評估等多個維度提出系統(tǒng)性部署框架，旨在為ＡＩ「落地」醫(yī)療場景提供標準化路徑。
比如，在醫(yī)療需求適配性評估方面，《共識》提出應正視ＤｅｅｐＳｅｅｋ的局限性，充分考慮幻覺、錯誤等情況，在諸如處方、診療方案、最終簽署病歷、報告等場景，務必審慎實施，客觀認識ＤｅｅｐＳｅｅｋ生成的內(nèi)容僅作為輔助，最終仍需有資質(zhì)的醫(yī)務人員確認，最大限度確保醫(yī)療安全。
《共識》從部署前的評估、部署過程實施、部署后管理與監(jiān)測三個方面詳細闡述了醫(yī)療機構在引入ＤｅｅｐＳｅｅｋ時應考慮的關鍵因素。針對ＡＩ「落地」醫(yī)療場景的關鍵環(huán)節(jié)，《共識》提出三點明確要求：
一是開展醫(yī)療需求適配性評估，重點針對不同科室臨床痛點定制解決方案；
二是強化數(shù)據(jù)質(zhì)量與基礎設施建設，強調(diào)原始病歷數(shù)據(jù)的專業(yè)化處理與安全保護，遵循「患者隱私信息最小化」原則；
三是建立全流程法律法規(guī)與倫理風險審查機制。
《共識》對部分場景的應用規(guī)則提出了詳盡的案例參考。如在模型適配調(diào)整方面，《共識》以心血管疾病高發(fā)的醫(yī)院為例，指出可對模型中與心血管疾病診斷相關的參數(shù)與結(jié)構優(yōu)化，通過增加特定疾病特征權重、調(diào)整神經(jīng)網(wǎng)絡層數(shù)與節(jié)點數(shù)，使模型更精準識別心血管疾病影像特征與臨床指標，提升診斷準確性與預測精度。
在與醫(yī)院現(xiàn)有信息系統(tǒng)集成方面，《共識》提出ＤｅｅｐＳｅｅｋ系統(tǒng)應與現(xiàn)有系統(tǒng)無縫集成，實現(xiàn)數(shù)據(jù)自動流通與共享。醫(yī)生在電子病歷系統(tǒng)（ＥＭＲ）查看患者病歷信息時，可直接調(diào)用ＤｅｅｐＳｅｅｋ輔助診斷功能，系統(tǒng)自動從實驗室信息管理系統(tǒng)（ＬＩＳ）獲取檢驗結(jié)果，從影像歸檔和通信系統(tǒng)（ＰＡＣＳ）調(diào)取影像資料，經(jīng)ＤｅｅｐＳｅｅｋ分析后，將診斷建議直接反饋至ＥＭＲ系統(tǒng)界面，為醫(yī)生提供一站式服務，提升醫(yī)療工作效率與連貫性。
值得注意的是，《共識》提出醫(yī)療機構應構建全面、科學的性能監(jiān)測指標體系，這是評測ＤｅｅｐＳｅｅｋ運行效果的關鍵。在模型準確性方面，應定期統(tǒng)計模型診斷結(jié)果與金標準診斷（如病理診斷結(jié)果、專家會診結(jié)論等）的一致性比例，衡量模型診斷正確性。隨著醫(yī)療技術發(fā)展與疾病譜變化，醫(yī)療機構應定期更新模型，納入新醫(yī)療數(shù)據(jù)與臨床知識，如出現(xiàn)新疾病亞型或治療方法時，將相關數(shù)據(jù)加入訓練集重新訓練模型，使其適應醫(yī)療實踐新需求。
據(jù)《共識》起草組核心成員、北京清華長庚醫(yī)院執(zhí)行長柳玉倩向健康界介紹，ＡＩ 模型憑借對海量病例的持續(xù)學習能力，能夠為醫(yī)生提供有力輔助，助力醫(yī)生更快速、準確地識別病征。不過，在這一過程中，嚴格監(jiān)控數(shù)據(jù)使用邊界至關重要，只有這樣才能在充分發(fā)揮ＡＩ模型優(yōu)勢的同時，切實保障數(shù)據(jù)安全。
「醫(yī)療機構的ＡＩ部署涉及醫(yī)療業(yè)務、技術、法律、倫理等多個層面協(xié)同推進。唯有嚴格部署前評估、科學部署過程實施以及完善部署后管理與監(jiān)測，才能充分發(fā)揮其在醫(yī)療領域的優(yōu)勢，為提升醫(yī)療服務水平、保障患者健康提供有力支撐?！共芷G林表示，下一步，《共識》將緊密結(jié)合臨床實際反饋，不斷進行優(yōu)化迭代，使其更加貼合醫(yī)療實踐的需求，持續(xù)為醫(yī)療機構提供有效指導。
掃碼▽ 即可獲?。粒烧n程回放和思維導圖
成為講師／評委，加入醫(yī)項目和主題社群
醫(yī)療機構部署ＤｅｅｐＳｅｅｋ專家共識
以ＤｅｅｐＳｅｅｋ為代表的前沿人工智能技術，正為醫(yī)療領域帶來變革性機遇，在提升醫(yī)療服務品質(zhì)、革新管理流程等方面展現(xiàn)出巨大潛力。但醫(yī)療行業(yè)因其專業(yè)性與敏感性，數(shù)據(jù)涉及患者隱私與生命健康權益［１］，醫(yī)療機構在引入ＤｅｅｐＳｅｅｋ時，必須進行嚴謹規(guī)劃與精準執(zhí)行?！豆沧R》旨在為醫(yī)療機構提供一套科學、規(guī)范且安全的部署指南，確保技術應用既能契合醫(yī)療行業(yè)特性，又能切實推動醫(yī)療服務水平的提升［２］。
部署前評估
１．１ 醫(yī)療需求適配性評估
臨床應用場景梳理：深入剖析醫(yī)院各科室的業(yè)務流程，精準定位ＤｅｅｐＳｅｅｋ的應用場景。
例如在影像科與心電圖室，ＤｅｅｐＳｅｅｋ能夠憑借先進的多模態(tài)圖像及信號識別算法，快速識別Ｘ光、ＣＴ（計算機斷層掃描）、ＭＲＩ（磁共振成像）、心電圖等影像中的異常特征，如腫瘤、骨折、心血管病變、心律失常等，并以直觀的方式標注出來，為醫(yī)生提供診斷參考，極大提高了診斷效率，避免因工作量增加所引發(fā)的醫(yī)療錯誤等。
臨床科室病歷書寫工作煩瑣，ＤｅｅｐＳｅｅｋ可根據(jù)患者診療信息，自動生成結(jié)構化病歷框架，涵蓋基本信息、主訴、現(xiàn)病史、體格檢查、輔助檢查結(jié)果、診斷及治療方案等關鍵板塊，大幅減少醫(yī)生書寫時間，讓其能將更多精力投入患者診療中。
此外，針對中國醫(yī)生臨床工作繁重，ＤｅｅｐＳｅｅｋ可協(xié)助整理復雜患者煩瑣的病情資料，如歷史病歷、檢查、檢驗等，將其按時間線進行羅列及歸納梳理，同時借助高質(zhì)量知識庫，ＤｅｅｐＳｅｅｋ可根據(jù)特定患者的臨床信息，整理相關醫(yī)學知識、資訊乃至最新研究成果，幫助醫(yī)生提高診療效率［３］。
但值得注意的是，ＤｅｅｐＳｅｅｋ模型的高效運行高度依賴高質(zhì)量醫(yī)療數(shù)據(jù)。醫(yī)院現(xiàn)有醫(yī)療數(shù)據(jù)的規(guī)模決定了模型學習的廣度與深度，大規(guī)模數(shù)據(jù)能讓模型接觸到更豐富的病例類型，提升對復雜病情的處理能力［４］。
數(shù)據(jù)質(zhì)量至關重要，準確、完整、一致的數(shù)據(jù)是模型輸出可靠結(jié)果的基礎。數(shù)據(jù)的多樣性也不可或缺，涵蓋常見與罕見病例的數(shù)據(jù)，有助于模型全面學習疾病特征，避免因數(shù)據(jù)偏差導致誤診或漏診。例如電子病歷系統(tǒng)中的診斷、檢驗檢查結(jié)果等數(shù)據(jù)，應經(jīng)過整理與預處理，順暢對接ＤｅｅｐＳｅｅｋ的訓練與應用模塊。
除此之外，還應正視ＤｅｅｐＳｅｅｋ的局限性，充分考慮幻覺、錯誤等情況，在諸如處方、診療方案、最終簽署病歷、報告等場景，務必審慎實施，客觀認識ＤｅｅｐＳｅｅｋ生成的內(nèi)容僅作為輔助，最終仍需有資質(zhì)的醫(yī)務人員確認，最大限度確保醫(yī)療安全。
１．２ 技術能力與基礎設施評估
信息技術團隊能力評估：信息技術團隊是ＤｅｅｐＳｅｅｋ部署與后續(xù)維護的核心力量。團隊成員對人工智能技術的理解深度與掌握程度，直接關系到部署工作的成敗。
在算法應用方面，團隊需熟悉深度學習、機器學習等主流算法原理，能根據(jù)醫(yī)院業(yè)務需求合理選擇并調(diào)整算法模型。
在數(shù)據(jù)處理上，要具備清洗、標注、存儲與管理海量醫(yī)療數(shù)據(jù)的能力，確保數(shù)據(jù)質(zhì)量與可用性。
在系統(tǒng)維護階段，需擁有快速定位與解決系統(tǒng)故障的能力，保障ＤｅｅｐＳｅｅｋ系統(tǒng)穩(wěn)定運行。只有具備這樣一支技術過硬的團隊，才能在部署過程中順利完成技術選型、參數(shù)配置及后續(xù)優(yōu)化［５］。
硬件設施評估：深度學習模型的訓練與推理運算涉及海量數(shù)據(jù)處理與復雜數(shù)學計算，對硬件資源要求極高。
醫(yī)院現(xiàn)有服務器的計算能力，尤其是ＣＰＵ與ＧＰＵ性能，直接影響模型訓練與推理速度。高性能ＧＰＵ服務器能大幅加速模型運算，使ＤｅｅｐＳｅｅｋ可在短時間內(nèi)完成大量影像分析或復雜病情預測。存儲設備須具備大容量與高可靠性，以存儲海量醫(yī)療數(shù)據(jù)及訓練好的模型文件。
網(wǎng)絡帶寬要穩(wěn)定且高速，保證數(shù)據(jù)傳輸不延遲、不中斷，例如在遠程會診中，高速網(wǎng)絡能確?；颊哂跋駭?shù)據(jù)快速傳輸至ＤｅｅｐＳｅｅｋ系統(tǒng)并及時返回輔助診斷結(jié)果，提升會診效率［６］。
１．３ 法律法規(guī)與倫理風險評估
合規(guī)性審查：全球范圍內(nèi)，醫(yī)療數(shù)據(jù)保護與人工智能應用相關法律法規(guī)日益完善?！吨腥A人民共和國數(shù)據(jù)安全法》［７］《中華人民共和國個人信息保護法》［８］ 《中華人民共和國網(wǎng)絡安全法》［９］明確規(guī)定了數(shù)據(jù)和個人信息處理者的安全保護義務，醫(yī)療機構在處理患者數(shù)據(jù)和敏感個人信息時，必須采取嚴格安全防護措施，防止數(shù)據(jù)泄露、篡改與濫用。歐盟《通用數(shù)據(jù)保護條例》（ＧＤＰＲ）、美國《健康保險流通與責任法案》（ＨＩＰＡＡ）也對醫(yī)療信息隱私與安全作出了規(guī)定。
醫(yī)療機構部署ＤｅｅｐＳｅｅｋ時，需依據(jù)這些法律法規(guī)，全面審查數(shù)據(jù)獲取及使用流程，從患者數(shù)據(jù)采集環(huán)節(jié)確保獲取明確知情同意，在數(shù)據(jù)存儲與傳輸中采用加密技術保障安全，在使用階段嚴格遵循最小必要原則，避免未經(jīng)授權的數(shù)據(jù)處理［１０］。如醫(yī)療機構與其他開發(fā)者合作進行Ｄｅｅｐｓｅｅｋ部署，應簽訂協(xié)議明確數(shù)據(jù)所有權歸屬、數(shù)據(jù)存儲與訪問限制、數(shù)據(jù)保密義務及數(shù)據(jù)泄露或算法缺陷導致的損害的賠償責任等［１１］。
倫理評估：醫(yī)學倫理是規(guī)范醫(yī)療機構人員從業(yè)的重要準則，ＤｅｅｐＳｅｅｋ的部署與應用必須接受倫理審查。醫(yī)院倫理委員會需從多維度評估其對患者權益與醫(yī)療公平性的影響。
在醫(yī)療決策輔助方面，要確保算法不會因數(shù)據(jù)偏差或設計缺陷，對不同性別、種族、經(jīng)濟狀況的患者產(chǎn)生歧視，保障醫(yī)療資源分配公平［１２］。例如在疾病篩查項目中，若ＤｅｅｐＳｅｅｋ模型因訓練數(shù)據(jù)中某類患者樣本不足，導致對該類患者疾病漏檢率升高，將嚴重損害患者權益與醫(yī)療公平性。倫理委員會應通過細致審查部署方案，提出合理改進建議，確保ＤｅｅｐＳｅｅｋ應用符合倫理道德規(guī)范［１３］。
部署過程實施
２．１ 數(shù)據(jù)準備與管理
數(shù)據(jù)清洗與標注：原始醫(yī)療數(shù)據(jù)常存在噪聲、錯誤與重復信息，嚴重干擾ＤｅｅｐＳｅｅｋ模型訓練效果。數(shù)據(jù)清洗需運用數(shù)據(jù)挖掘與分析技術，識別并去除無效或錯誤記錄，如在患者檢驗數(shù)據(jù)中，對超出正常范圍且不合理的數(shù)值，通過與臨床醫(yī)生溝通或數(shù)據(jù)校驗規(guī)則核實修正。
專業(yè)醫(yī)療人員的標注工作至關重要，在影像數(shù)據(jù)標注中，醫(yī)生需準確標注病變位置、形狀、大小、類型等信息，為模型提供精確學習樣本。標注過程要建立嚴格質(zhì)量控制機制，通過多人交叉標注、定期抽檢等方式，保證標注結(jié)果準確一致。
數(shù)據(jù)安全與隱私保護：數(shù)據(jù)安全貫穿數(shù)據(jù)全生命周期。傳輸環(huán)節(jié)采用加密、備份、標簽標識、訪問控制、安全認證等技術措施和其他必要措施，對數(shù)據(jù)加密傳輸，防止網(wǎng)絡傳輸中數(shù)據(jù)被竊取或篡改。數(shù)據(jù)庫存儲時，對患者姓名、身份證號、聯(lián)系方式等敏感字段加密處理，即便數(shù)據(jù)庫遭受攻擊，敏感信息也不會泄露。
嚴格遵循最小必要原則，醫(yī)療機構向ＤｅｅｐＳｅｅｋ系統(tǒng)提供數(shù)據(jù)時，僅提供運行所需最少數(shù)據(jù)量，如疾病診斷模型訓練，若僅需患者癥狀、檢驗結(jié)果等數(shù)據(jù)即可，就不應包含家庭住址、職業(yè)等無關信息，最大限度保護患者隱私［１４］。
２．２ 模型選擇與優(yōu)化
模型適配調(diào)整：不同醫(yī)院醫(yī)療業(yè)務具有獨特性，疾病譜分布、診療流程與臨床實踐習慣存在差異。需根據(jù)醫(yī)院實際情況對ＤｅｅｐＳｅｅｋ模型進行適配調(diào)整。針對醫(yī)院常見疾病，如心血管疾病高發(fā)的醫(yī)院，可對模型中與心血管疾病診斷相關的參數(shù)與結(jié)構優(yōu)化，通過增加特定疾病特征權重、調(diào)整神經(jīng)網(wǎng)絡層數(shù)與節(jié)點數(shù)，使模型更精準識別心血管疾病影像特征與臨床指標，提升診斷準確性與預測精度。
模型驗證與測試：內(nèi)部測試環(huán)境需模擬真實臨床場景，使用大量涵蓋不同病情、不同患者群體的真實醫(yī)療數(shù)據(jù)。交叉驗證是常用評估方法，將數(shù)據(jù)劃分為多個子集，多次訓練與驗證模型，綜合評估性能指標，如準確率、召回率、Ｆ１值等。
只有模型在各項性能指標達到預設標準，且在不同場景下表現(xiàn)穩(wěn)定可靠，如不同類型疾病診斷、不同年齡段患者數(shù)據(jù)測試中均性能良好，才可投入臨床實際應用。這一過程需反復測試優(yōu)化，確保模型為臨床醫(yī)療提供準確有效支持［１５］。
２．３ 系統(tǒng)集成與培訓
與現(xiàn)有信息系統(tǒng)集成：醫(yī)院現(xiàn)有的電子病歷系統(tǒng)（ＥＭＲ）、實驗室信息管理系統(tǒng)（ＬＩＳ）、 影像歸檔和通信系統(tǒng)（ＰＡＣＳ）等構成醫(yī)療信息核心架構。ＤｅｅｐＳｅｅｋ系統(tǒng)與這些現(xiàn)有系統(tǒng)無縫集成，可實現(xiàn)數(shù)據(jù)自動流通與共享。醫(yī)生在ＥＭＲ系統(tǒng)查看患者病歷信息時，可直接調(diào)用ＤｅｅｐＳｅｅｋ輔助診斷功能，系統(tǒng)自動從ＬＩＳ系統(tǒng)獲取檢驗結(jié)果，從ＰＡＣＳ系統(tǒng)調(diào)取影像資料，經(jīng)ＤｅｅｐＳｅｅｋ分析后，將診斷建議直接反饋至ＥＭＲ系統(tǒng)界面，為醫(yī)生提供一站式服務，提升醫(yī)療工作效率與連貫性［１６］。
醫(yī)護人員培訓：醫(yī)護人員是ＤｅｅｐＳｅｅｋ臨床應用的直接使用者，其對系統(tǒng)的熟悉與正確運用能力至關重要。培訓內(nèi)容涵蓋ＤｅｅｐＳｅｅｋ功能原理、操作方法及結(jié)果解讀。通過理論課程講解人工智能輔助醫(yī)療基本原理，讓醫(yī)護人員理解ＤｅｅｐＳｅｅｋ如何通過數(shù)據(jù)分析提供診斷建議。案例演示展示實際病例中ＤｅｅｐＳｅｅｋ應用效果，讓醫(yī)護人員直觀感受其優(yōu)勢。模擬操作培訓讓醫(yī)護人員在虛擬環(huán)境實踐操作，熟悉系統(tǒng)界面與流程。
設置培訓考核環(huán)節(jié)，通過理論考試與實際操作考核，確保醫(yī)護人員掌握ＤｅｅｐＳｅｅｋ使用方法，能正確理解運用輔助診斷結(jié)果，避免過度依賴或錯誤解讀，考核合格方可在臨床工作中使用ＤｅｅｐＳｅｅｋ系統(tǒng)。
部署后管理與監(jiān)測
３．１ 性能監(jiān)測與持續(xù)優(yōu)化
建立性能監(jiān)測指標體系：構建全面、科學的性能監(jiān)測指標體系是評測ＤｅｅｐＳｅｅｋ運行效果的關鍵。模型準確性方面，定期統(tǒng)計模型診斷結(jié)果與金標準診斷（如病理診斷結(jié)果、專家會診結(jié)論等）的一致性比例，衡量模型診斷正確性。
系統(tǒng)響應時間指標：監(jiān)測醫(yī)生輸入數(shù)據(jù)到ＤｅｅｐＳｅｅｋ返回結(jié)果所需時間，一般要求數(shù)秒內(nèi)完成響應，以保障醫(yī)療工作效率。資源利用率指標關注服務器ＣＰＵ、ＧＰＵ等硬件資源使用情況，確保系統(tǒng)高效運行同時不過度消耗硬件資源，避免資源耗盡致系統(tǒng)崩潰。通過實時數(shù)據(jù)采集與分析，繪制性能指標變化曲線，直觀展示系統(tǒng)運行狀態(tài)［１７］。
持續(xù)優(yōu)化機制：依據(jù)性能監(jiān)測數(shù)據(jù)反饋，及時發(fā)現(xiàn)模型與系統(tǒng)問題并針對性優(yōu)化。隨著醫(yī)療技術發(fā)展與疾病譜變化，定期更新模型，納入新醫(yī)療數(shù)據(jù)與臨床知識，如出現(xiàn)新疾病亞型或治療方法時，將相關數(shù)據(jù)加入訓練集重新訓練模型，使其適應醫(yī)療實踐新需求。優(yōu)化系統(tǒng)架構與算法，通過改進數(shù)據(jù)存儲結(jié)構、優(yōu)化算法流程等，減少系統(tǒng)運行資源消耗，縮短響應時間，確保ＤｅｅｐＳｅｅｋ始終以最佳狀態(tài)支持醫(yī)療服務。
３．２ 風險管理與應急處置
風險預警機制：搭建全方位風險預警系統(tǒng)，實時監(jiān)測數(shù)據(jù)泄露、模型偏差、系統(tǒng)故障等風險。數(shù)據(jù)訪問監(jiān)控系統(tǒng)實時記錄分析數(shù)據(jù)訪問行為，一旦發(fā)現(xiàn)異常數(shù)據(jù)查詢，如短時間大量下載敏感數(shù)據(jù)、非授權用戶訪問關鍵數(shù)據(jù)等行為，立即發(fā)出預警。模型性能監(jiān)測指標波動也可預警模型偏差風險，當模型準確率、召回率等關鍵指標持續(xù)下降或異常波動，提示模型可能存在偏差，需及時評估修正。
通過設置合理風險閾值與預警規(guī)則，在風險初期及時發(fā)現(xiàn)并應對。應急處置預案制定：制定詳細、可操作性強的應急處置預案是保障醫(yī)療服務連續(xù)性的關鍵。
數(shù)據(jù)泄露事件發(fā)生時，立即啟動數(shù)據(jù)封鎖程序，限制涉事數(shù)據(jù)訪問權限，防止擴散，同時啟動追溯程序，追蹤數(shù)據(jù)泄露源頭，查明原因。及時通知相關部門與受影響患者，提供補救措施，如身份保護服務、醫(yī)療信息安全咨詢等。系統(tǒng)故障時，迅速切換至備用系統(tǒng)，若未配備備用系統(tǒng)，則立即啟動人工操作流程，如影像診斷暫時采用人工閱片，確?；颊咴\療不受影響。故障排除后，全面檢測評估系統(tǒng)，確認無誤后重新投入使用。
３．３ 合規(guī)審查與評估
定期法律法規(guī)合規(guī)審查：法律法規(guī)不斷發(fā)展，醫(yī)療機構需密切關注國內(nèi)外醫(yī)療數(shù)據(jù)保護、人工智能應用相關政策法規(guī)變化。定期對ＤｅｅｐＳｅｅｋ應用進行合規(guī)審查，確保系統(tǒng)使用與數(shù)據(jù)管理策略始終符合最新法律法規(guī)要求。新數(shù)據(jù)安全法規(guī)出臺后，及時對照法規(guī)條款，更新醫(yī)院數(shù)據(jù)安全防護措施，如加強數(shù)據(jù)加密強度、完善數(shù)據(jù)訪問權限管理等［１８］。
倫理再評估：隨著ＤｅｅｐＳｅｅｋ在臨床持續(xù)應用，其對患者權益與醫(yī)療倫理原則的影響可能出現(xiàn)新問題。醫(yī)療機構應定期開展倫理再評估，收集醫(yī)護人員實際使用反饋、患者意見建議，審視系統(tǒng)在醫(yī)療決策輔助、患者隱私保護、醫(yī)療公平性等方面表現(xiàn)［１９］。針對可能出現(xiàn)的倫理問題，如算法偏見導致診斷偏倚、患者對數(shù)據(jù)使用擔憂等，及時調(diào)整改進，保障醫(yī)療人工智能應用的倫理正當性與可持續(xù)性。
共識起草小組專家（排名不分先后） 曹艷林（中國醫(yī)學科學院北京協(xié)和醫(yī)學院） 王婧（清華大學附屬北京清華長庚醫(yī)院） 李昱熙（北京大學第一醫(yī)院） 張怡（清華大學） 鐘光珍（首都醫(yī)科大學北京朝陽醫(yī)院） 宋萍（重慶醫(yī)科大學附屬兒童醫(yī)院） 共識參與討論專家（排名不分先后） 劉宇（北京衛(wèi)生法學會） 周輝（中國社會科學院法學研究所） 袁靖（中國醫(yī)學科學院阜外醫(yī)院） 柳玉倩（清華大學附屬北京清華長庚醫(yī)院） 陳政（北京協(xié)和醫(yī)院）醫(yī)務處 胥雪冬（北京大學第三醫(yī)院）醫(yī)務處 魏亮瑜（北京醫(yī)院） 王將軍（中日友好醫(yī)院） 婁丹（北京大學國際醫(yī)院） 劉星（中南大學湘雅醫(yī)院） 王曉敏（中南大學湘雅三醫(yī)院） 孫熹（華中科技大學同濟醫(yī)學院附屬同濟醫(yī)院） 董來東（山東大學齊魯醫(yī)院） 丁勇（浙江大學邵逸夫醫(yī)院） 左澤錦（四川大學華西醫(yī)院） 劉愛華（首都醫(yī)科大學北京天壇醫(yī)院） 徐海林（北京大學人民醫(yī)院） 匡澤民（首都醫(yī)科大學附屬北京安貞醫(yī)院） 劉曉琴（北京地壇醫(yī)院） 柴象飛（慧影醫(yī)療科技（北京）股份有限公司） 查濱（京東健康互聯(lián)網(wǎng)醫(yī)院） 姚宇軒（聯(lián)想中國區(qū)） ［參考文獻］ ［１］國務院．網(wǎng)絡數(shù)據(jù)安全管理條例［Ｚ］．２０２４－０９－２４． ［２］張夢瑩，武春晶，尹曉迪．醫(yī)院接入?。模澹澹穑樱澹澹搿∮衅诖嘤袚鷳n［Ｎ］．山西晚報，２０２５－０３－１１（００５）． ［３］全國人大常委會．中華人民共和國醫(yī)師法［Ｚ］．２０２１． ［４］國務院．中華人民共和國人類遺傳資源管理條例［Ｚ］．２０２４． ［５］國家互聯(lián)網(wǎng)信息辦公室，工業(yè)和信息化部，公安部，等．互聯(lián)網(wǎng)信息服務算法推薦管理規(guī)定［Ｚ］．２０２１． ［６］國家互聯(lián)網(wǎng)信息辦公室，工業(yè)和信息化部，公安部．互聯(lián)網(wǎng)信息服務深度合成管理規(guī)定［Ｚ］．２０２２． ［７］全國人大常委會．中華人民共和國數(shù)據(jù)安全法［Ｚ］．２０２１． ［８］全國人大常委會．中華人民共和國個人信息保護法［Ｚ］．２０２１． ［９］全國人大常委會．中華人民共和國網(wǎng)絡安全法［Ｚ］．２０１６． ［１０］國務院．醫(yī)療機構管理條例［Ｚ］．２０２２． ［１１］中共中央辦公廳，國務院辦公廳．關于加強科技倫理治理的意見［Ｚ］．２０２２． ［１２］國家衛(wèi)生和計劃生育委員會．涉及人的生物醫(yī)學研究倫理審查辦法［Ｚ］．２０１６． ［１３］劉漫，沈鵬熠，張茹夢．人工智能技術在醫(yī)療護理中的應用研究［Ｊ］．中國農(nóng)村衛(wèi)生事業(yè)管理，２０２５，４５（３）：１７７－１８２． ＳＵＮ?。?，ＳＨＥＮ Ｐ?。?，ＺＨＡＮＧ?。摇。停粒穑穑欤椋悖幔簦椋铮睢。铮妗。幔颍簦椋妫椋悖椋幔臁。椋睿簦澹欤欤椋纾澹睿悖濉。簦澹悖瑁睿铮欤铮纾。椋睢。恚澹洌椋悖幔臁。睿酰颍螅椋睿纾郏剩荩茫瑁椋睿澹螅濉。遥酰颍幔臁。龋澹幔欤簦琛。樱澹颍觯椋悖濉。粒洌恚椋睿椋螅簦颍幔簦椋铮?，２０２５，４５（３）：１７７－１８２． ［１４］全國人大常委會．中華人民共和國基本醫(yī)療衛(wèi)生與健康促進法［Ｚ］．２０１９． ［１５］梅子儀．「ＡＩ＋醫(yī)療」下一站走向何方［Ｎ］．南方日報，２０２５－０３－０７（Ｂ０３）． ［１６］ 鄒 銳 ， 彭 雪 ．ＤｅｅｐＳｅｅｋ 助 力 基 層 醫(yī) 療 「 智 慧 革 命 」?。郏危荩【d陽日報，２０２５－０３－０４（００３）． ［１７］國家衛(wèi)生和計劃生育委員會．醫(yī)療質(zhì)量管理辦法［Ｚ］．２０１６． ［１８］國家互聯(lián)網(wǎng)信息辦公室．個人信息保護合規(guī)審計管理辦法［Ｚ］．２０２５． ［１９］國家衛(wèi)生健康委員會，教育部，科學技術部，等．涉及人的生命科學和醫(yī)學研究倫理審查辦法［Ｚ］．２０２３． ［２０］ 盧 林?。∫浴。粒伞椤∫怼嫛〗ā≈恰』邸♂t(yī) 院 高 質(zhì) 量 發(fā) 展 新 范 式 ［Ｊ］． 中國衛(wèi)生，２０２５（３）：２１．
注：文章來源于網(wǎng)絡，如有侵權，請聯(lián)系刪除
