在基層醫療機構，AI在圖像領域的隻能識別也應用廣泛，在雲南昭通市鎮雄縣中醫醫院從去年4月開始使用醫學影像人工智能輔助係統，在冠心病診斷、腦出血及腦梗死測量、骨齡分析等方麵更加快速高效。在肺結節微小病灶的發現方麵遠高於人眼識別，配合人工把控，診斷更專業、更準確。將肺結節從人眼檢查5毫米的極限，推到AI篩查精度達1-2毫米。

人工智能助攻破解罕見病診療難題

讓AI解讀AI政策，記者從這份行業指導文件中看到了很多具體的應用，目前，已經有很多醫院將推薦的場景變成了現實。

總台央視記者鄭怡哲：接下來的高頻詞就是“輔助”，我們可以看到，輔助診斷、輔助決策、輔助治療、輔助生成、輔助質控、輔助篩查等關鍵詞，一共重複提到了超過80次，覆蓋了超過一半的應用場景。比如這些天的采訪中，我們看到很多醫院在罕見病領域的複雜疾病領域，在基層醫療機構的常見病、慢性病管理方麵，AI已經逐漸成為醫生手中提高就診水平非常有用的診療工具之一。

在四川省人民醫院罕見病中心，專家們正在為一位下肢無力的患者會診。最初，醫生懷疑是因為椎管狹窄壓迫神經導致的下肢無力，經過神經內科、心內科、血液科專家會診，並在人工智能罕見病輔助決策平台的幫助下，被診斷為罕見病心髒澱粉樣變。四川省人民醫院人工智能罕見病輔助決策平台彙集了遺傳學家、臨床醫學、臨床藥學等專業100多名專家，整合全球醫學知識庫以及符合中國人群特征的知識圖譜，形成了具有自主知識產權的醫學認知網絡。最近，該平台接入DeepSeek大模型，建立完整的罕見病診療管理模式。

與原有人工智能罕見病輔助決策平台不同的是，融合DeepSeek後能夠清晰呈現疾病預測的邏輯路徑，將錯誤的邏輯予以糾正，將正確的邏輯反哺DeepSeek，使預測更加精準，如重症肌無力、心髒澱粉樣變等疑難疾病的預測準確率達到了90%。