DeepSeek杀疯了！超100家医院紧急部署，医疗系统迎来大变局！

DeepSeek进医院，全国卷疯了。

据不完全统计，全国已经有超100家医院完成DeepSeek的本地部署，遍布北京、上海、安徽、四川、广东、河北、湖南、江苏等二十多个省市和自治区。

应用场景上，DeepSeek也迅速落地到了患者服务、科研、诊疗、办公、管理等各个方面，足以见得医疗大模型的火爆。

值得注意的是，本地部署DeepSeek的医院大多为三甲医院。例如四川省人民医院通过本地化部署DeepSeek实现全场景智能化落地；中南大学湘雅医院也成功完成国产AI医疗中台本地化部署。

部署DeepSeek的医院数量还在不断增长，毫无疑问，作为医疗系统中的枢纽，医院大面积接入有望重构当前医疗服务模式。

多家医院紧急部署

DeepSeek爆火的起始点在于：作为当前国内最强开源模型，不用医院方面承担昂贵的训练成本，也有益于隐私数据保护。

按照国家规定，所有患者诊疗数据必须在内网闭环处理，禁止原始数据跨物理区域传输。

这使得DeepSeek的私有化部署方案成为医疗机构的首选，减少数据在传输和存储过程中的风险，确保数据的安全性。

尽管DeepSeek-R1以极低的训练成本降低了部署门槛，但对于医院方而言也是一笔不菲的费用。

目前DeepSeek提供了从1.5B到671B的不同参数的开源模型，以便于符合多种场景需求。 一般来说，参数量越大，模型的性能越好，尤其是在解决复杂医学任务时，对于模型性能的要求较高。

如果要应对医学数据分析等高精度需求，则需要用到大规模云端计算集群，价格非常昂贵。

此外，进行本地化部署后，医院能够利用本地数据进行二次开发。多家医院正在探索深度对接医院临床信息系统，充分激活海量诊疗数据，提升DeepSeek回答医疗问题的准确性。

这就要求医院加大对于AI算力和服务器的建设，同时医院需组建3-5人的运维团队，模型微调和设备的更新换代都需要持续投入。

这就解释了院方引入DeepSeek运动下，响应者绝大多数都是三甲医院，小医院和社区医院无法承担昂贵的部署成本。也就形成"头部医院落地，基层医院观望等待"的格局。

例如天津医科大学总医院就通过定制化算力的方式，完成完成DeepSeek“智算一体机”部署，成为该市首个完成DeepSeek本地化部署的三甲医院。

不过这种情况不会持续太久，随着各地医联体、算力中心的建立，有助于解决医疗资源不平衡的问题。

例如，区域医疗中心可通过定制DeepSeek模型输出标准化诊断能力至社区医院，推动分级诊疗落地。

部署后怎么用？

由于医疗资源的不平衡，医疗领域一直都是亟需AI支持的大行业场景。

医院接入DeepSeek究竟是真实需求还是跟风，最重要的是要转化为实际落地，提高医疗服务的效率和质量、应对医疗资源短缺的挑战等。

也就是说，DeepSeek部署大模型需要和医院复杂的医院场景进行结合。从现阶段来看，笔者简单将医院探索主要分为三大场景。

病人端：即医院通过DeepSeek等大模型改善病人的就医体验，让病人能够最直观的感受到AI带来的舒适度与便利。 例如AI+智能导诊、AI病历单（检查单）分析、AI+医学科普与宣教、康复指导等环节，都能够大幅度减少患者的负面体验，加强诊疗满意度。

图：杭州市第一人民医院推出“云影像+AI报告解读”服务

医护端：在当前医护工作压力负担较重的情况下，DeepSeek的接入有望切实的帮助医生减少繁杂事务，将医生的专业价值聚焦于诊疗决策。包括影像和病理诊断、医学知识问答、病情分析、诊疗方案建议、病历自动生成等场景。

这部分也是当前医院场景最丰富，未来DeepSeek部署后具有想象力环节。例如，四川省人民医院泌尿外科团队在既往丰富癌栓治疗经验的基础上，利用DeepSeek辅助形成个体化围手术期管理方案、采用高精度CT成像融合三维重建技术，构建出精准的“数字脉管系统”，为患者实施详尽的手术方案。

图：四川省人民医院使用DeepSeek+虚拟三维重建

运营端：在医院日常运营中，DeepSeek可以智能化处理行政审批、排班管理、等事务，甚至在最核心的DRG/DIP控费环节，AI有望帮助降低医疗支出。

图：北中医深圳医院的运营助手

支付端难以闭环

医院部署DeepSeek热潮下，是否会冲击商业化AI医疗公司？

对此，一家AI医疗公司内部人士告诉智药局：“由于公司不止提供AI大模型服务，目前暂时没有受到DeepSeek的冲击。”

根据智药局了解，医院大面积部署DeepSeek不仅催生了一波算力需求，同时也释放了对医疗信息化、数据流程沉淀、大模型训练、建立本地知识库等一系列底层工具的需求。

实际上，这一次现象级引入AI大模型的背后，有来自国家顶层设计的推动。

去年11月，国家卫生健康委牵头制定了《卫生健康行业人工智能应用场景参考指引》，列出了AI在医疗领域创新应用的84个领域，旨在促进AI的采纳。

图：卫生健康行业人工智能应用场景参考全景图

各地也在纷纷响应，上海市发布了《上海市发展医学人工智能工作方案（2025—2027年）》，大力发展医疗AI；四川省则在2025年政府工作报告中提到：发展互联网医院、远程诊疗和“AI+医疗”，促进优质医疗资源更好下沉共享。

但除开DeepSeek这样的免费开源大模型，目前AI系统入院变现还有不少难点。

一个重要的原因是监管方面模棱两可的态度，当前政策一边支持AI+医疗的技术发展，另一边却并未在支付端放开。

例如医保局明确表示：在已收取诊断相应项目检查费用后，不宜单就人工智能辅助诊断再向患者额外收费。简而言之，医院无法将调用AI的成本转嫁给患者。

医保局给出的解释是在于，当前人工智能技术在临床实践中一定程度上起到辅助诊断或提高效率的作用，但还无法替代医师诊断，尚无独立的医疗服务产出、辅助诊断质量效用难以确定。

这意味着，当前医院使用AI只有“降本”的功能定位，而缺乏最重要的“增收”的动力。导致多家以AI医疗软件为主的公司，包括鹰瞳科技、联影医疗等，一直面临着业绩压力。

要打破这个困境，一方面需要技术的不断发展，不断降低AI模型部署成本，提升AI输出效果，使其有望真正成为医生的左膀右臂。 而另一方面，则需要在政策上打开，促进AI审批进院，以及支付端的优化。

尤其面对我国医疗资源紧张、医保费用紧张等疑难杂症，一场医疗智能化革命必然在全国铺开。

—The End—