作者：浙江中医药大学附属绍兴市中医院关节科     胡飞剑

DeepSeek作为一款开源大语言模型，显著降低了各行业应用人工智能（AI）的门槛，加速了AI与各领域的融合进程，医疗行业也不例外。DeepSeek凭借高性能、低成本、可本地化部署、国产等独特优势，在公立医院中备受瞩目。DeepSeek正在逐步赋能医疗临床工作，助力临床医师减轻负担、提高诊断效率、改善患者预后是可以预见的。然而，AI医疗的实际应用并不能简单地将现有大模型算法结合医学数据使用，具体落地依旧面临着众多挑战。笔者从骨科临床医师视角出发，以国内外AI辅助骨科医学相关研究为基础，通过文献复习，探讨医学大模型与临床实际结合带来的创新与挑战，旨在为AI医疗开发者提供思路，为临床医师融入未来AI医疗环境做好准备，报道如下。

医疗机构本地化部署DeepSeek加速落地

《医疗机构部署DeepSeek专家共识》的发布代表着DeepSeek进入临床实践已处于加速阶段，专家共识从部署前的评估、部署过程实施、部署后管理与监测三个方面，详细阐述了医疗机构在引入DeepSeek时应考虑的关键因素。算法、数据、算力是AI的三大核心要素，算力基础设施建设为医院AI平台建设的主要成本之一。医院AI本地化部署的模式主要有3种，即院内训推一体模式、云上集中训练联合边缘推理模式、全云化算力平台模式，其中院内训推一体模式效率最高、数据最安全。研究结果显示，在采用院内训推一体模式、满足数据不出院的安全要求下，每日门诊量近万人次的三级甲等大型综合性医院大约需要1台（8卡）高性能训练服务器、9台（共72卡）高性能AI服务器，成本较高，大多数医院难以承担。DeepSeek的出现大大降低了部署成本，使得医院AI模型本地化部署加速推进。

门诊智能AI导航

在临床医疗场景中，院内分诊导医的准确性和效率至关重要，已逐步向智能化转型。AI语音导诊系统可以通过获取患者主诉和大概病史，系统将语音进行信号处理，转化为文本输入到AI大模型中提取关键信息，结合医院导诊知识库给出初步分诊建议，引导患者前往相应科室就诊。研究表明，AI语音导诊系统在初步症状收集和分诊方面，功能实现完整度达92.6%，任务完成准确率90.3%，证明AI语音导诊系统的有效性。AI智能导诊系统在减少患者排队时间、缩短就诊周期方面取得了显著效果，有效缓解了医院导诊人员的工作压力，同时提升了患者就医体验。通过对AI智能导诊与人工导诊的效果进行对比，AI系统能够在2s内快速处理患者需求并提供精准的导诊服务，而人工导诊依赖于人工记忆或查询，速度较慢，且依赖于导诊人员的专业能力，因此人工智能技术在提高医院服务效率方面的优势显而易见。随着DeepSeek出现，凭借其强大的逻辑推理能力，加速推动AI导诊模型发展，使得医院在多方面的综合服务水平得到了显著提高。

AI影像诊断

AI技术在骨科影像诊断领域展现出巨大潜力。在骨折诊断方面，AI算法通过对大量标注图像的学习，能够准确检测和分类X线片中的骨折，提高诊断的准确性和效率。基于YOLOv8模型与ResNet骨干网络结合的框架，在检测X射线图像中的骨折时，展现出较高的平均精度和分类准确率。基于区块链技术与AI集成的模型在检测胫骨平台骨折时展现出较高的准确性和效率，其准确性优于常规的集中式模型和骨科医师，而且诊断时间更短。此外，AI在骨龄评估、关节疾病检测等方面也有应用，例如通过自动化工作流程辅助放射科医师进行骨龄评估，减少工作量和观察者间的变异性。AI诊断技术已在多种骨科疾病的诊断中得到验证，以髋、膝关节骨性关节炎为例，ChatGPT-4在诊断和治疗建议方面与骨科专家具有较高的一致性，诊断评估中与临床医师结论相符，治疗建议方面与专家的一致性达到83%。在假体周围感染诊断中，通过开发自监督模型和比较多种智能模型提高了诊断的准确性和标准化，例如Effi‐cientNetv2-S在图像层面表现出色，而CAMEL2在患者层面更具优势。在骨肿瘤诊断中，AI技术可以辅助区分良性与恶性病变，不同成像模态下的研究显示，AI在区分骨病变方面具有较好的性能，准确率、敏感性和特异性范围分别为0.44~0.99、0.63~1.00、0.73~0.96。未来骨科AI诊断技术有望取得更大突破，通过增加训练数据集的规模和质量，以及采用更先进的机器学习技术，强化学习可进一步提高AI对骨科影像的解读能力。此外，多模态成像数据的融合将为AI诊断提供更全面的信息，提升诊断的准确性和可靠性。例如结合X线片、CT和MRI等多种成像模态的数据，AI模型能够更准确地检测和诊断骨科疾病。同时，随着AI技术不断发展，其在临床决策支持系统中的应用将更加深入，为临床医师提供更精准的诊断建议和治疗方案。

AI辅助手术导航

AI辅助技术在骨科手术规划中发挥着越来越重要的作用，以全髋关节置换术为例，多项研究表明AI辅助的术前规划在估计假体尺寸和定位方面比常规方法具有更高的准确性。AI应用可实现自动化髋关节骨性关节炎诊断、精确置入物定位和个性化风险分层，进而提高疗效。AI可用于手术导航和实时反馈，如脊柱手术中机器人辅助可提高椎弓根钉置入的准确性，减少并发症的发生。在骨盆骨折治疗中，术前3D打印规划技术结合骨科手术机器人辅助螺钉置入，相较于单纯机器人辅助螺钉置入，显著减少了术中螺钉绘制时间，提高螺钉置入准确性，确保手术更安全。此外，AI还可应用于复杂骨折术前规划，如通过3D触觉系统为外科医师提供交互式、直观的规划工具，支持骨折复位和固定，提高手术规划的准确性和效率。机器人联合DeepSeek大模型将推进AI手术辅助技术进步，进一步推动手术精准化，减少并发症，改善患者预后。

AI赋能术后康复

AI在骨科康复治疗中的应用逐渐增多。在康复评估方面，基于标记和惯性测量单元的解决方案结合AI技术实时对肌肉骨骼的运动学和动力学分析，为康复治疗提供量化依据。在康复训练方面，虚拟现实、增强现实、游戏化技术结合AI为患者提供沉浸式的康复体验，提高患者的参与度和康复效果。研究表明基于虚拟现实的康复干预措施在骨科手术患者康复训练中应用具有积极作用，可改善患者的功能和疼痛情况。此外，康复机器人结合神经网络算法能够根据患者情况准确进行相关调整，辅助患者进行肢体运动康复训练。研究结果显示，接受基于神经网络算法康复训练的患者在多项评估指标上优于接受常规物理治疗的患者。未来，基于DeepSeek的AI应用结合虚拟现实、增强现实技术将给患者带来创新型的康复体验。

AI赋能病历辅助生成与质量控制

AI住院病历助手的出现有望减轻临床上繁重的病历文书工作，以提高医师的工作效率及医疗质量。临床医师在病历文书上投入的时间增多，文献报道美国全科医师每天有超过50%的工作时间用于电子病历相关文书工作，增加了职业倦怠感。潘胜东等采用AI医师助手辅助进行临床病历书写和质量控制，研究结果表明交接班文书工作效率提高66.7%，出院小结书写效率提高75%；在病历质量控制方面，AI助手对病案首页、入院记录、查房记录等实施质量控制，合格率达到98%，错误率降低了90%。推理模型DeepSeek的出现有望进一步赋能AI住院病历助手，全方位辅助临床医师工作，提高医疗质量。然而，AI助手接入后，医疗数据及个人隐私信息面临泄露与滥用的风险，数据安全性也需要重视。需要警惕的是，杜绝利用AI代为完成病历书写及质量控制，需要明确其功能定位是“辅助”而不是“替代”。

AI辅助临床决策

AI临床决策助手有望在骨科疾病老龄化的趋势中辅助骨科医师降低临床风险，提高医疗质量。统计结果显示，截至2023年末我国60岁及以上老年人口比重为21.1%，65岁及以上老年人口比重为15.4%，预计到2050年，我国65岁及以上老年人口将达到4.36亿人，占总人口的32.1%。老年髋部骨折发病率显著上升是导致老年人残疾与死亡的十大原因之一，此类患者往往合并多种内科疾病，全身状况欠佳，伤后易导致基础疾病加重，具有致残率高、致死率高、恢复慢等特点；此类患者诊断与治疗过程通常需要多学科团队紧密协作，只要无绝对手术禁忌证，首选手术治疗，从而为患者早期下床进行功能锻炼、尽快恢复肢体功能创造条件，减少卧床相关并发症发生。多种疾病的复杂性和手术治疗的紧迫性形成了目前老年髋部骨折治疗的临床矛盾，AI临床决策助手将有效解决这一问题。AI可以系统整合最新医学研究、临床指南和患者个体数据或多模态数据，为医师提供循证医学支持。Gudmundsson等研发并证实了评估与治疗患者骨质疏松的临床助手给出的建议与临床医师意见、现有指南一致，该系统也能够集成到不同的电子病历系统中，从而轻松适应医疗人员的现有工作流程。但是目前缺乏行业公认的高标准、高质量的AI临床决策助手，擅长复杂推理任务的DeepSeek将推进优秀的AI临床助手出现，辅助医师诊断与治疗，缩短老年髋部骨折术前准备时间，提高医疗质量。

AI辅助骨科临床教学

AI在骨科临床教学中的应用正逐渐成为一个重要的研究领域。AI技术的快速发展为骨科教学提供了新的可能性和工具，能够显著提升学生的学习效果和临床技能。首先，在骨科教学中可以通过生成式AI实现个性化学习和资源获取。生成式AI能够创建多样化的内容，包括文本、图像、视频和音频，从而为学生提供实时解释和自适应学习材料，这种技术不仅可以增强资源的可访问性，还可以通过互动案例研究促进学习。基于DeepSeek的生成式AI经过真实临床数据大量训练后，生成无限量的AI数字骨科患者，模拟从问诊、检查到诊断的全流程，助力骨科医师成长。浪潮云帆AI数字患者结合DeepSeek技术可以围绕患者体征、病史数据、检查检验结果等数据，动态生成符合医学逻辑的病情演变路径，并支持复杂病例临床思维的模拟演练以及AI自动评价，训练骨科医师的诊断逻辑与应急能力。其次，AI在骨科教学中的应用还体现在虚拟现实和计算机辅助训练系统中，例如虚拟现实关节镜训练系统已经被应用于骨科临床教育中，帮助学生在模拟环境中进行实践操作，提高其动手能力和临床判断能力。这种技术的应用不仅可以减少教育者的工作负担，还可以加速新手学生的技能获取。未来可以期待基于DeepSeek开发出新型AI，结合虚拟现实/增强现实技术，创造高仿真模拟环境，用于手术训练、解剖学习，系统能提供即时反馈，缩短理论到实践的距离，提升学习者的临床诊断与治疗能力。

挑战与展望

DeepSeek的出现推动了AI医疗的进程，尤其在骨科领域应用展现出了巨大的潜力，但AI医疗势必会带来大量的医学伦理和法律问题：医疗数据属于患者还是医师，收集数据是否侵犯患者的隐私，数据应以何种方式进行管理和监督，面对日趋严峻的网络安全攻击又该如何保护数据安全，AI决策导致的医疗过错是否需要医师承担责任，今后这些问题都会随着AI医疗的发展而不断解决。未来，随着术中导航机器人、可穿戴康复设备和智能临床助手的广泛接入，DeepSeek可能演变为骨科诊疗的智能中枢，不仅能实现MRI/CT影像的实时分析，还可通过多源异构医疗数据（包括步态分析、骨密度监测、炎症因子水平等）构建动态预测模型。这种从辅助诊断向智能决策的跃迁或将重塑“医师-AI-患者”三方协同的新医疗范式，但是必须建立在严格的临床验证和伦理审查基础之上。随着DeepSeek逐步赋能骨科领域，将大幅提高医师的临床实践能力、临床管理效率，使得骨科手术精准化、术后康复个性化和临床教学可视化，构建智慧骨科生态体系，促进骨科医学高质量发展。

来源：中国骨与关节损伤杂志2026年3月第41卷第3期