在當(dāng)前許多醫(yī)療細(xì)分場景中，一般大型模型的性能仍遠(yuǎn)不能滿足臨床應(yīng)用的要求。以“遠(yuǎn)志”醫(yī)學(xué)文本大模型為例，與DeepSeek集成后，其復(fù)雜的推理和文本處理能力得到了極大的提高，使其能夠更有效地響應(yīng)醫(yī)學(xué)場景需求。

　　影像工作站同時不僅支持10+種成像方式和多個圖像處理任務(wù)，而且在處理復(fù)雜病變診斷和器官分割等關(guān)鍵任務(wù)時，準(zhǔn)確率評估超過95%，在性能上明顯超越了行業(yè)******模型。

　　大模特的競爭已逐漸從單純的“參數(shù)競爭”轉(zhuǎn)變?yōu)閲@“生態(tài)協(xié)同、場景落地”的下半場競爭。未來，由文本、圖像和混合建模能力驅(qū)動的大規(guī)模模型基礎(chǔ)設(shè)施將有機(jī)會全面重塑人工智能產(chǎn)品的應(yīng)用形式，產(chǎn)生一系列可以不斷學(xué)習(xí)和進(jìn)化的智能代理，最終將智能轉(zhuǎn)化為生產(chǎn)力。

　　影像工作站實現(xiàn)了從效率工具到“智能合作者”

　　在“元智能”醫(yī)學(xué)模型的支持下，這些智能代理在感知、理解、決策和執(zhí)行方面具有核心能力，支持臨床痛點的解決。

　　與專業(yè)疾病模型相比，聯(lián)英的影像工作站收集了大量的多模態(tài)數(shù)據(jù)，使模型能夠獲取更多的疾病知識，并使用一個模型實現(xiàn)多種疾病的準(zhǔn)確診斷。在放射科，基于大型成像模型，智能代理只需要一次胸部CT掃描，即可自動檢測胸腔、食管、縱隔、氣管和支氣管、肺、骨骼、心臟和大血管等區(qū)域胸部CT掃描中的37種常見疾病和異常。其行業(yè)領(lǐng)先的“一次掃描，多次檢查”性能遠(yuǎn)遠(yuǎn)超過了業(yè)內(nèi)******型號，平均AUC為0.92，比SOTA高出10%以上。這種智能代理也改變了閱讀視頻的傳統(tǒng)工作流程。與過去相比，醫(yī)生需要在成像工作站上完成病變分析，然后切換到獨立的報告系統(tǒng)進(jìn)行文本輸入，這導(dǎo)致操作過程繁瑣，容易破壞臨床思維的連貫性;現(xiàn)在，由于基于語音的建模算法的支持，醫(yī)生可以通過語音智能地編寫診斷報告，大大減少了重復(fù)操作，提高了診斷效率。