当前位置： AI资讯 > 内文2025-05-15 关键词： 医疗大模型
急诊科是医院救治急危重症患者的核心阵地，但在高负荷、高压力、高复杂性的工作环境下，其面临的挑战日益凸显。如何提升诊疗效率、保障患者安全、优化资源配置，成为医院管理者与医务人员亟须解决的难题。近年来，随着医疗信息化建设进程逐步提速，利用智能工具辅助临床医生提升诊疗效率和质量，正在成为重要的发展趋势。急诊科作为医院的“前沿阵地”，更是迫切需要借助智能化手段来应对日益增长的医疗需求和复杂多变的病情。
近日，天津医科大学第二医院急诊医学科副主任医师张璐围绕急诊诊疗现状，在医管必修课分享了以临床决策支持系统（CDSS）和大模型直击急诊诊疗痛点的实践经验，为智慧医院建设指出新的方向。
急诊科之痛
张璐介绍，急诊科的工作常被繁琐重复的管理流程和信息孤岛问题所困扰。由于科室间信息交流不畅，导致诊疗决策延迟和错误，患者病历、检查结果等信息分散，无法快速准确共享。手动录入和查找信息常常耗费医护人员大量时间，不仅限制了诊疗效率，还可能因信息不全或错误引发误诊等患者安全风险。
此外，急诊科医护人员长期处于高强度工作状态，工作倦怠和职业耗竭现象普遍。患者在急诊科就诊时常因危急情况和治疗方式不同需要等待较长时间，导致就医体验下降。在医疗资源和配置上，由于医疗从业人员严重不足，工作人员长期处于崩溃边缘，容易出现漏诊误诊、缺少沟通，以及易与患者产生语言冲突等情况。
有统计显示，美国各级医疗机构出现误诊的概率为11%，其中中风、败血症、肺炎、血栓和肺癌5种疾病的总体误诊率为40%。而由于影像科医生常常不能按时完成判读工作，导致急诊环境下肋骨骨折的漏诊率可达20%。
“急诊科出现漏诊误诊的原因，与信息采集不全、关键信息遗漏、检查不全面或手段不完善、信息交流不畅等有关。”张璐表示，急诊科亟须建立辅助决策系统，以智能化方式应对急诊诊疗痛点。
大模型+CDSS辅助急诊诊疗
对照急诊科目前存在的问题，天津医科大学第二医院自2024年就开始探索智能化工具辅助急诊科诊疗工作，最终确定用“大模型+CDSS”的方式辅助医生提升鉴别诊断、治疗方案制定等工作的质量和效率。项目建设之初，医院将改进目标聚焦在提升诊疗灵敏性、优化诊疗流程、增强临床指南依从性以及促进医学教育和研究4个方面。
提升诊断灵敏性：基于权威医学知识库和大数据分析，CDSS能够在临床各个诊疗环节为医生提供准确的诊断建议和治疗方案，提醒医生不规范的诊疗行为，以此减少误诊和漏诊率。
优化诊疗流程：CDSS可以无缝嵌入医院信息生态系统，智能分析患者完整数据，为医护人员自动生成鉴别诊断、治疗方案、病情分析等，辅助医护人员优化诊疗方案，提高诊疗效率。
增强临床指南依从性：大模型能够提供符合循证医学证据的决策支持，明确诊断建议和治疗方案等文字的来源，引导医生遵循临床指南，提高治疗的规范性和一致性。
促进医学教育与研究：通过整合和分析大量的医学文献和病例库，CDSS能够为医生提供最新的医学知识，大模型在此基础上能够将知识进行梳理，并通过问答形式辅助医学教育，推动医学研究的发展。
“系统上线后，临床医生的工作流程发生了明显变化。”张璐介绍，医生在接诊患者时，只需要了解患者基本信息和症状，系统便能迅速提供可能的诊断和一系列的治疗方案。这不仅极大地节省了医生的时间，还使得诊疗过程更加高效、精准。有医生表示，有了大模型和CDSS的辅助，他们在面对复杂病例时更有信心。低年资医生的书写病历和学习效率也得到了明显提升。
灵敏度测试验证准确性
张璐介绍，为验证智能系统的准确性，医院设计以急诊病历诊断的特异性为评测指标，选取了急诊收治住院未转科的5230份病例进行初期测试。评测方法以急诊转住院后的出院诊断为样本预测值，基于急诊患者信息预测确诊诊断列表，计算模型预测的灵敏度。经过两轮测试，系统自动评测结果与专家评审评测结果均超过90%，最高甚至达到96.7%，准确度得到了验证。
以一位“呼吸困难3小时”的患者为例，其3小时前突然出现呼吸困难，进行性加重，胸闷憋气，伴大汗，同时既往史显示左下肢骨折卧床2个月。医生根据血氧饱和度和血气分析结果判断该名患者下肢有深静脉血栓（DVT）或肺血栓栓塞症（PTE）的可能性。此时系统提示一系列疑似危重诊断，其中列在首位的即为急性肺栓塞。医生点击“急性肺栓塞”后，系统给出分析依据。通过与系统的交互，医生能够了解符合最新版诊疗指南的治疗方案，确保患者及时得到科学的治疗。
目前，将智能工具参与到诊疗过程的方式正在得到越来越多临床医生的认可，“大模型+CDSS”的临床应用价值正在不断提升。张璐表示，接下来医院将基于急诊科的临床应用成效形成可拓展、可复制的方法论和成果报告，带动更多医疗机构的急诊诊疗质量提升。同时，结合各科室诊疗特点，进一步优化大模型，使其能够辅助其他专业科室的诊疗工作，同步提升全院医疗质量。
成为我们的
合作伙伴
