首 页黄昊、陈俊羲：DeepSeek应用实践探索【附2月27日直播预告】
背景篇：从迷茫到真香的AI打怪之路
三年前，领导一句灵魂拷问："咱医院信息化和别人比，到底如何?"直接给我整出了"深夜加班梳理建设内容"的剧情。对标完国内相关的智慧医院建设标准后，我长舒一口气：几年建设已经完成了我们的五年规划。但信息化建设下一步如何发展?继续卷数据治理?走数字化转型发展，还是开启人工智能的应用实践呢?这又是一个摆在我案头的问题了。
2023年，随着ChatGPT带火全球AI热搜，答案逐渐清晰——医疗AI将是未来的应用方向，AI不落地，谈何高质量发展?于是，我们再次郑重把"人工智能引擎"写进了建设规划。然鹅……现实很骨感：算力贵如金，人才难寻觅，试错成本高，这些都不是短期能够完成的任务。咋办?先加强自身知识储备吧!
2023年，在参加完人工智能培训班后打开了新世界大门。虽然日常还是用千问、文心一言搞点"帮娃写作文"的基本操作，但也养成了每天刷AI公司动态的"赛博养成"习惯。直到2024年某天，幻方公司扔出一颗深水炸弹——开源大模型DeepSeek，评测榜直接屠榜!必须用起来呀，好家伙，初次体验后，回答深度就直接碾压我这从业三十年信息老专家!更香的是，它居然支持单卡部署!当即申请了一台4.8万的工作站(配RTX4090显卡)，想着就算搞不成，也就只有4.8w，我也没有那么大负罪感。
2025年春节，就如同窗外的礼花炸响般突然，DeepSeek彻底封神!它凭一己之力打破"算力霸权"，让通用大模型变得像手机APP一样亲民。和其他行业一样，医疗圈也瞬间被DeepSeek炸锅了，各家医院疯狂内卷AI落地——这一刻，我是又后悔又庆幸，后悔自己没有提前做算力资源的储备，庆幸的是，我们的显卡终于要发光了!如此逆天的应用，我们也可以部署了。
实战篇：从部署开始的探索
1.知识库搭建：让制度文件学会"自动答"
技术组合拳：Dify低代码平台 + DeepSeek 14B蒸馏模型 +bge-m3通用向量模型
先说我们的开发部署环境吧，我们采用了dify+DeepSeek的方式。Dify是一个专注于生成式 AI 应用开发的平台，采用低代码开发模式，且兼容多个大模型。这也方便以后的应用扩展。基于硬件条件，我们先部署了14B的蒸馏模型，并利用bge-m3通用向量模型将信息科的各种制度文档切成"知识块"转化为向量模型，存进数据库。通过 DeepSeek 提供的 API，将知识库与模型连接。在调用 DeepSeek 时，将用户问题转换为向量，在向量数据库中进行相似度检索，获取相关知识单元向量。将检索到的知识单元作为上下文信息，与用户问题一同发送给 DeepSeek 模型，使模型基于知识库内容生成更准确、符合制度要求的回答。这样就搭建起了第一个知识库应用。
通过测试，DeepSeek所具有的强大逻辑分析能力可以将问题转化后提供最贴切的回答。这一下就激发起了我们的热情，同时开始深挖硬件潜能，完成了32B版本的部署，于是一边调整参数一面开始邀请各个部门来参观，共同探索如何更好的将DeepSeek应用到实际的业务场景。
实践技巧：经实践DeepSeek对于Markdown和HTML文件的读取正确率最佳，word文件如果其中有表格之类的控件，需要进行预处理。
效果：从此，新员工问"怎么申请服务器权限"，AI秒回制度条款+操作指南，信息科老员工从此就有了"失业"危机感。
2.代码生成与审核：程序员的摸鱼神器
一直以来程序员都是信息科的心头宝，能让IT厂商提供驻场程序员更是医院梦寐以求的待遇。然而现实情况是，程序员稀少，好的程序员更少。经常我们遇到的就是开发进度无法把控，开发质量难以掌控的痛点。那看看DeepSeek如何发挥作用吧，DeepSeek-Coder-V2能够根据指令自动生成代码。
部署方案：DeepSeek-Coder-V2接入VS Code，代码生成+审核一条龙
实战案例：让AI写个"临床配送中心资源调度算法"，只见它噼里啪啦输出Python代码，连异常处理都带注释!更绝的是，把祖传代码丢给它审核，直接标出3处内存泄漏+解决方案——我不知道工程师怎么想，反正作为信息主任，那一刻我感觉天空是格外的蓝。
3.文档诊疗室：专治PPT废话文学
文档分析能力可是DeepSeek强项，拿一份项目管理文档给它，看看DS老师给出啥意见。
硬核操作：甩给AI一份项目管理文档，5分钟后收获"标红批注版"。"第8页'优化迭代闭环'建议改为'需求-开发-验证循环';第12页风险预案缺少备用供应商清单……"这比我看的都快，都仔细。以后我可就轻松多了。
附加Buff：AI的思维过程，还是一个经验展示的"心路历程"，堪比请了个24小时在线的麦肯锡顾问啊!各位老司机，就问你慌不慌，以后职场小白们都不会找你了。
4.翻车现场：当AI患上"幻觉症"
大型社死：让DeepSeek翻译医学论文，结果把《炎症因子机制研究》翻成《小白鼠健身指南》……
这有一篇SCI论文，让它翻译写个摘要。很快，翻译的中文全文也出来了，看起来像模像样的，又有点不对味呀。翻出原文让豆包给翻译一下，果然，这次翻车了。文章是一篇写炎性反应研究的医学论文，而DS给整出了一篇小动物训练的中文文章。哈哈，不会这就是AI幻觉吧。这里省略1000字，经过查询，发现了问题所在，DS没有正确的读取到这篇PDF的内容，于是它就发挥自己的“想象”，写出了这篇中文文章。
破案时刻：原来PDF解析模块“抽风”，AI开启"一本正经胡说八道"模式。
解决方案：PDF文件通过minicpm-v多模态模型解析+DeepSeek推理，从此AI被迫学会"知之为知之"。让DeepSeek能够正确读取各类数据是我们在实践过程中不断遇到的，看来有必要开发一个通用模块来统一知识库的数据格式。
5.疾病编码训练：从"大而化之"到"精准到细胞"
做好了专属知识库就可以利用DeepSeek强大的逻辑分析能力来进行病案编码了，只需要我们将患者就医期间的各类病历文件提供给它，剩下的工作就是等待它出结果。当然前提是我们提供的数据准确性高，标准化程度高。如果只是依靠Deepseek自身的知识库，它仅仅能实现亚目编码，还是无法满足编码需要。
痛点：内置ICD-10编码只到亚目，实际需要细化。
改造方案：把我们已经完成的院内标准诊断库数据喂给AI，结合规则引擎做强化训练，现在让AI看到"患者主诉菊花疼"，还需要判断急性期还是慢性，是瘘还是裂，然后再淡定输出K60.000、K60.100或者K60.301、K60.302、K60.303这些细分项了。
时间在我们的探索中飞逝，DeepSeek的实力也在不断呈现，短短20多天，我们就已经摸索出了10多项应用，从知识库的建立到CT片的解读，心电图的分析，健康体检报告的评估。在持续探索中，我们也对硬件进行了升级，现在已经是双A6000的配置了，速度那是嘎嘎的。对比10年前的移动互联网医疗的兴起，现在DS的应用呈现更快速的迭代升级。每天都有各个行业接入DeepSeek的新闻在轰炸着大众的眼球，医疗行业也不断的报道着兄弟医院的实践成效，基本上形成了不接入DeepSeek都是落后的态势。这不仅是给了信息科一个添置GPU硬件条件的契机，更体现各位工程师的学习能力，必须开始恶补人工智能的知识和操作技能。当人工智能在各个行业广泛应用时，其实不仅仅是程序员面临下岗的风险，其实原本那些非常紧缺的岗位，比如病案编码人员，这种依靠大量工作经验刷出来的岗位，很快也就会被系统替代。
警惕啊朋友们!现在连临床医生都能用DeepSeek写代码了，信息科再不转型，恐怕要沦为"重启开关专业户"。一句话：拥抱AI，保住工位;原地躺平，必被淘汰!
后记
以上是对我们DeepSeek使用探索的真实记录，欢迎大家批评指正，共同把DeepSeek这个开源大模型工具用好，解决实际问题。
作者简介
1 黄昊，CHIMA常委
2 陈俊羲，重庆大坪医院信息科工程师
CHIMA大讲堂直播预告
在数字化转型的浪潮中，DeepSeek作为数据分析与智能化的利器，已在医疗领域展现出巨大潜力。本期大讲堂聚焦DeepSeek系统的部署优化、数据分析及场景探索三大核心模块，深入探讨如何通过技术手段提升医疗服务的智能化水平，为您提供实用的操作技巧与前沿的行业洞察，助力您在医疗数字化转型中抢占先机。
扫描图片上方二维码可线上参会
