Przetłumaczono z angielskiego oryginału. Liczby i źródła pozostają bez zmian. Przeczytaj angielski oryginał

Zgłoszone przez dostawcęDziała od mar 2025Dodano paź 2026

Nanchang County People's Hospital

Szpital Ludowy w powiecie Nanchang używa lokalnego urządzenia z DeepSeek-R1 i podaje o 60 % krótszy czas pisania dokumentacji

Powiatowy szpital w prowincji Jiangxi w Chinach zainstalował urządzenie typu „wszystko w jednym” z DeepSeek-R1, które pomaga lekarzom pisać dokumentację pacjentów hospitalizowanych i sugerować diagnozy. Raport promowany przez dostawcę podaje, że czas pisania dokumentacji spadł o 60 %, dokładność elektronicznej dokumentacji medycznej sięga 90 %, a podpowiedź diagnozy zajmuje 1 minutę.

Kluczowe liczby

Przepisane dokładnie ze źródeł. Skopiuj każdą liczbę wraz z przypisem.

Zaoszczędzono 60 %

Czas lekarzy na pisanie dokumentacji pacjentów hospitalizowanych, po wdrożeniu urządzenia z DeepSeek1

Sięga 90 %

Dokładność elektronicznej dokumentacji medycznej1

1

minuta

Czas, w którym asystent podpowiada diagnozę na podstawie głównej dolegliwości1

Ile to kosztowało

KosztNie ujawniono
ZespółNie ujawniono
HarmonogramNie ujawniono

Koszt, wielkość zespołu i harmonogram nie zostały ujawnione w źródłach.

Problem

W zwykłym przebiegu hospitalizacji w Szpitalu Ludowym w powiecie Nanchang personel medyczny ręcznie wpisuje i porządkuje informacje o pacjentach. Artykuł mówi, że jest to powolne i podatne na ludzkie błędy, co obniżało jakość usług. Lekarze muszą też w trakcie pisania ponownie sprawdzać terminy medyczne i logikę diagnozy.

Co zbudowano

Szpital zainstalował urządzenie „wszystko w jednym” dostawcy 宏杉科技 (Hongshan Technology), zawierające model DeepSeek-R1, silnik wektorowy dla biblioteki dokumentów (który pozwala modelowi wyszukiwać dokumenty) oraz moduł bezpieczeństwa danych. Działa w ekranie elektronicznej dokumentacji. Sprawdza tekst pisany przez lekarza, zgłasza błędy terminologiczne i sprzeczności logiczne oraz oferuje asystenta, który na podstawie głównej dolegliwości podpowiada prawdopodobną diagnozę.

Jak to zrobiono

Artykuł opisuje lokalne zastosowanie modelu i nie podaje szczegółów technicznych hostingu. Asystenta otwiera się z menu obok dokumentacji. Obserwuje tekst w trakcie pisania, co artykuł opisuje jako przesunięcie kontroli jakości z przeglądu po fakcie na sprawdzanie w trakcie pisania dokumentacji. Nie podaje kosztów, wielkości zespołu ani harmonogramu.

Wyniki

Artykuł podaje, że czas pisania dokumentacji skrócono o 60 %, dokładność dokumentacji elektronicznej sięga 90 %, a podpowiedź diagnozy zajmuje zaledwie 1 minutę, przy dokładności około 90 %. Cytowany jest kierownik działu informacji szpitala, według którego alerty o błędach w czasie rzeczywistym pozwalają lekarzom poświęcać więcej uwagi decyzjom klinicznym.

Wnioski dla Twojego projektu

  1. Warto wbudować narzędzie w przebieg pracy. Asystent działa na ekranie dokumentacji i zgłasza błędy terminologiczne oraz sprzeczności logiczne w trakcie pisania przez lekarza.

  2. Zdefiniujcie, co oznacza dokładność, zanim ją podacie. Źródło podaje 90 % dla dokumentacji i dla podpowiedzi diagnoz, nie mówiąc, jak sprawdzono jedno i drugie.

  3. Sprawdźcie opcje ochrony prywatności danych pacjentów. Urządzenie zawiera moduł bezpieczeństwa danych; zapytajcie każdego dostawcę, jak przechowuje się dane pacjentów i kto może je widzieć.

  4. Warto zostawić lekarza w obiegu. Narzędzie podpowiada i sprawdza, a decyduje nadal klinicysta.

Zastrzeżenia

  • Jedynym źródłem jest artykuł promocyjny produktu dostawcy, opublikowany ponownie w serwisie agregującym z innego medium. Własna wypowiedź szpitala ogranicza się do jednego cytatu.
  • Dla wartości 60 %, 90 % i 1 minuty nie podano metody, wielkości próby ani punktu odniesienia. Artykuł dodaje, że w niektórych scenariuszach dokładność zbliża się do 100 %, nie mówiąc w których.
  • Artykuł mówi, że szpital wdrożył urządzenie „niedawno”. Podana data wdrożenia to miesiąc publikacji artykułu.
  • Artykuł twierdzi, że jest to pierwszy szpital na poziomie powiatu w prowincji Jiangxi, który wdrożył lokalny duży model; to twierdzenie pochodzi od dostawcy i nie zostało zweryfikowane.

Źródła

Streszczone własnymi słowami na podstawie powyższych źródeł. Zauważyłeś błąd? Zobacz sprostowania.