医疗机构如何部署DeepSeek？这一专家共识给出参考→
近日，《医疗机构部署DeepSeek专家共识》在京发布，引起业界关注。该共识从医疗需求适配性、数据质量保障、伦理合规等5大维度提出系统性部署框架，以期为人工智能（AI）落地医疗场景提供标准化路径。
该共识旨在解决哪些问题？可以为医疗机构部署AI应用提供哪些参考？健康报特邀请该共识起草组核心专家——清华大学附属北京清华长庚医院医学数据科学中心主任李栋，就共识相关内容进行深度解读。
随着AI技术在医疗领域的快速应用，医疗机构如何科学、规范地部署AI系统，成为行业高度关注的热点问题。
2025年3月29日，由北京卫生法学会大数据互联网人工智能医疗专委会、中国生物医学工程学会牵头，来自清华大学附属北京清华长庚医院、北京大学第一医院、首都医科大学附属北京朝阳医院等十余家机构的专家，联合起草的《医疗机构部署DeepSeek专家共识》在京正式发布。
该共识旨在为AI在医疗场景的落地应用提供系统性指导和标准化路径。
聚焦实践明确路径
近年来，AI医疗应用展现出巨大潜力，但也暴露出数据隐私保护不足、伦理风险以及技术应用不规范等问题。共识的出台正是为了解决医疗AI在部署过程中存在的实际问题。共识以“医疗需求适配性、数据质量保障、伦理合规”等多个维度为切入点，系统性地阐述了AI医疗应用的规范化部署模式。
此次共识的出台具有里程碑式的意义。首先，共识提供了可操作的标准化部署路径，避免医疗机构在AI部署中走弯路；其次，共识强调了AI医疗应用必须严格遵循伦理和法律底线，明确AI系统应用的伦理边界；再次，共识提出了具体的风险管控措施，特别是对数据安全与患者隐私的高度保护要求，为医疗机构的AI应用构筑了坚固的安全防护线。
内容直击三大关键
此次发布的共识重点强调了医疗AI部署前的三大关键评估：
第一，医疗需求适配性评估。该评估要求医疗机构依据自身临床实际情况，有针对性地制定AI系统的应用策略。共识明确指出，医院在推动AI应用时，应通过深度调研各临床科室的实际需求，精准识别医疗痛点，形成个性化的AI解决方案，切实提升临床诊疗效率和准确度。
第二，数据质量与基础设施评估。共识强调，医疗数据质量直接影响AI模型的准确性与可靠性，同时提出数据的专业化清理、标注和严格安全保护是不可或缺的环节。医院在实践中搭建专门的数据治理平台时，应明确“患者隐私信息最小化”原则，最大限度地保障患者信息安全，同时确保数据的可用性与质量。
第三，法律法规与伦理风险审查。AI医疗应用涉及患者隐私、医疗伦理等敏感领域。共识明确要求，医疗机构建立覆盖全流程的合规审查机制，定期审查并及时更新合规策略。共识建议，在AI真实的医疗应用实践中，应成立专门伦理委员会和法律合规小组，严格审查AI应用场景中的伦理风险，保障技术应用符合国家和行业标准。
强化数据安全与保护
医疗数据的安全性与患者隐私保护始终是AI部署中的关键环节。共识提出的动态管理要求，包括建立风险预警机制、应急处置预案和合规性复查制度，目的是构筑一套坚固的数据安全保障体系。
共识强调，应形成覆盖数据生命周期的动态监管模式，医院端构建风险监控预警平台，实时监控数据使用情况，出现异常时迅速响应处置，避免数据安全事故的发生。同时，定期进行合规审查，不断优化隐私保护措施，确保数据使用合法合规。
迭代更新不断优化
尽管共识提供了规范化路径，但在具体执行过程中，医疗机构仍面临诸多挑战。一方面，如何持续提升数据质量与准确性，避免AI模型“垃圾进垃圾出”，是医疗机构亟须关注的问题；另一方面，如何平衡AI技术应用与患者隐私保护之间的关系，需要医疗机构持续探索和优化。
展望未来，共识明确提出，将不断结合临床反馈进行迭代更新，持续适应医疗AI快速发展的需求。医疗机构应积极参与反馈，分享实践经验，推动共识不断优化，从而真正实现AI技术与医疗服务深度融合，造福更多患者。
总之，《医疗机构部署DeepSeek专家共识》的发布，为医疗AI的应用提供了科学、规范和安全的部署指南。共识为医院在AI大模型的部署和使用方面提供了实操性与适用性兼顾的指导，体现了“技术为医疗服务”的核心理念。这一共识的实施必将进一步推动AI医疗应用的规范化发展，提升医疗服务的精准性和效率，最终惠及广大患者。
链接
北京清华长庚医院的实践
作为本次共识起草组核心成员之一，北京清华长庚医院在AI医疗领域，从技术标准化到风险管控，都积累了扎实的落地经验。
医院注重将AI技术与临床实际需求紧密结合，不盲目追求技术先进性，而是以解决临床实际问题为导向，强化医疗质量和服务水平。
此外，医院积极推动AI应用的全生命周期管理，从需求分析、技术实施到风险评估、后期维护，建立了一套完整、闭环式的管理体系，为其他医疗机构的AI部署提供了可借鉴的成功模式。
文：清华大学附属北京清华长庚医院医学数据科学中心主任 李栋
