DeepSeek" 爆火 " 后，各家医疗企业争相部署似乎已成为春节复工以来的头等大事。据 36 氪不完全统计，节后复工以来，至少 20 家以上医疗领域企业公开宣布正在引入 DeepSeek。其中虽不乏恒瑞医药、云南白药等传统药企；金域医学、圣湘生物等老牌 IVD 企业，但表现更活跃的各路 AI 医疗概念公司，如智云健康、鹰瞳科技、医渡科技、树坤科技等。

在与多家已经接入 DeepSeek 的企业的交流中，我们得知，整体而言，DeepSeek 未必称得上是 " 颠覆性的技术创新 "，但经过微调后，其在推理和决策场景下的出色表现，已经能为各公司自有的 AI 类产品在处理复杂医疗数据，或支持精准决策等方面提供更强大的支持。

烁乐信息是较早接入 DeepSeek 的医疗企业之一。CEO 张翰相介绍，去年 11 月，烁乐信息刚刚联合上海东方医院推出了 AI 医学大模型 Med-Go。

模型发布前，烁乐信息团队总共精选了 6000 多本国内外医学教材 " 投喂 "Med-Go，" 现已经达到以 200 亿高质量医学数据作为基础支撑 "。目前，接入 DeepSeek-R1 ( 671B ) 后的医学模型 Med-Go 也已在上海东方医院等临床机构应用，并在 ICU 环境下验证了能力。

以下是张翰相向 36 氪分享的更详细的内容（经编辑）：

Q：Med-Go 接入 DeepSeek 的考虑是什么，预期达到怎样的效果？

我们主要考虑的是它优秀的推理能力及数学能力，结合 Med-Go 医学知识库后，可以更好发挥医学数据价值。对于 Med-Go 版本的 DeepSeek，我们与医学团队进行了大量案例测试，病历诊断准确率提升了 10% 以上，尤其在复杂病例的诊断准确率尤其明显。

Q：请结合具体场景，聊聊您对 Med-Go 版本 DeepSeek 的使用体验？

目前 Med-Go 已经在医院临床使用，从 ICU 医生的使用情况来看，Med-Go 版的 DeepSeek 在 " 深度思考模式 " 下，极大地提升了医生综合分析患者病情的能力，尤其在复杂或多重疾病的鉴别诊断中发挥了重要的作用。

因为在 ICU，医生治疗重症患者时往往要在短时间内做出关键决策。我们曾遇到一位多器官功能衰竭的患者，病情复杂且变化迅速。医生们面临着多种治疗选择，包括机械通气、血液净化、药物治疗等。在这种情况下，微调后的 DeepSeek 能够结合患者的病史、检查结果和最新医学研究，为医生提供一个全面的决策支持框架。 

在某些危重患者的诊断过程中，它能够快速分析患者的各项数据，包括生命体征、实验室检查结果、影像学资料等，并提供多个可能的诊断方案，这帮助医生缩短了决策时间并提高了诊断的准确性。

此外，DeepSeek 可以预测不同治疗方案对患者预后的影响，帮助医生选择最适合患者的治疗方案。它还能根据患者的实时数据，动态调整治疗建议，确保治疗方案的及时性和有效性。通过这种方式，DeepSeek 不仅提高了医生的决策效率，还降低了医疗风险，提升了患者的治疗效果。

Q：对于医疗企业来说，使用 DeepSeek 和之前部署其他生成式 AI 大模型可能有什么不一样？

DeepSeek 最大的价值在于，为医疗行业提供了一种 " 开源 + 本地化 " 的强推理模型解决方案。这使得企业能够更加自主地掌控技术与数据，同时能够针对具体业务需求进行深度定制。这不仅解决了数据安全的顾虑，也为未来无限多元的 AI 应用场景提供了可能。

Q：大模型在医疗领域应用时的核心矛盾之一在于数据和隐私。在这一点上，您如何看待 DeepSeek 的表现？它对推动 AI 医疗的进步可能有哪些推动作用？

DeepSeek 为医疗领域的大模型落地提供了一个切实可行的途径。就是通过本地化部署、开源透明的模式，DeepSeek 的开源有效缓解了医疗机构对隐私与合规的担忧，同时赋能更多的应用场景与创新机会，进而全方位地推动 AI 医疗行业的进步与发展。

医院落地的 Med-Go 都是私有化部署，不连接外网，所以数据不出院从源头解决了隐私泄露的问题。

Q：DeepSeek 可能是一个更出色、更具成本效益的工具。从商业化角度，您认为 DeepSeek 是否会表现得更好？

从技术角度看，DeepSeek 的开源和本地化部署特性，意味着医疗企业可以大幅降低对第三方云平台的依赖，一方面节省了云端服务的成本，另一方面也更好地掌控数据合规和安全。

对于很多高度注重用户隐私与合规的医疗场景，这种模式具有明显的成本效益优势。更重要的是，DeepSeek 开源的策略可以让企业深度定制模型，在临床诊断、药物研发、患者管理等多个业务线上衍生出更多专属化 AI 应用，从而增加产品市场竞争力。

以 Med-Go 为例，我们是和医生强耦合的，从语料选取再到多轮训练和深度思考都是基于医生来蒸馏的，医生是我们 Agent 的产品经理，而基座大模型医疗类的语料并不专业，ETL 也不会很仔细，所以严肃医疗上准确率会低。这就是我们深度定制的区别。DeepSeek 这次主要提升了我们在数学计算问题上的能力。

Q：此前，大模型在医疗领域应用时，经常被质疑找不到合理的应用场景。在这个问题上，DeepSeek 是否会带来些不同？

大模型在医疗领域应用找不到应用场景的核心原因，还是原生大模型医疗能力不过关，他的能力没有得到医生这类专业人群的认可。现在 DeepSeek 的出现，让基础模型的能力得到了大幅的提升，在通过医学团队深度优化的 DeepSeek 模型，一定能有效解决医疗领域的痛点。