人工智能大模型DeepSeek正在運動康復(fù)領(lǐng)域發(fā)揮作用。該大模型問世以來，已經(jīng)成為很多人的運動“私教”，身邊越來越多的人開始使用DeepSeek制定運動計劃。如今，臨床醫(yī)生也正在使用AI大模型輔助運動處方?jīng)Q策。

55歲的張先生患有輕度肥胖(BMI 27)，他希望通過運動控制血壓、降低血脂，要求DeepSeek制定一個適合春季的運動方案。2分鐘后，DeepSeek生成了一份詳細(xì)的運動方案，不僅列出了每周的運動計劃，包括有氧運動、力量訓(xùn)練、平衡訓(xùn)練以及柔韌訓(xùn)練，還給出了運動的強度，每組動作的次數(shù)以及進度調(diào)整的建議，甚至還加上了運動前后的飲食配合。

DeepSeek的能力很快受到了運動醫(yī)學(xué)臨床專家的關(guān)注。近日，北京大學(xué)深圳醫(yī)院運動醫(yī)學(xué)與康復(fù)醫(yī)學(xué)中心與以動健康（北京康糖醫(yī)療）合作發(fā)布了國內(nèi)首款基于Deepseek大模型訓(xùn)練的運動處方輔助決策平臺，標(biāo)志著AI大模型正式走向運動醫(yī)學(xué)臨床診療。

據(jù)介紹，該平臺基于DeepsSeek大模型構(gòu)建，依托北京大學(xué)深圳醫(yī)院運動醫(yī)學(xué)與康復(fù)醫(yī)學(xué)中心與以動健康多年積累研發(fā)的運動訓(xùn)練知識庫、視頻庫，整合多維度臨床數(shù)據(jù)的語料庫，通過AI驅(qū)動的多模態(tài)數(shù)據(jù)分析引擎，可生成高度個性化的運動處方建議，極大地縮短了醫(yī)生決策時間，提升診療效率。

在運動評估方面，平臺還能結(jié)合基于動作捕捉技術(shù)AI動作的評估設(shè)備，分析患者體成分、體質(zhì)評估等關(guān)鍵健康指標(biāo)，并借助物聯(lián)網(wǎng)實時傳輸數(shù)據(jù)；患者在家鍛煉時，系統(tǒng)能同步監(jiān)測動作規(guī)范性與心率等數(shù)據(jù)，搭配智能設(shè)備，實現(xiàn)患者與醫(yī)生的遠(yuǎn)程協(xié)同管理，有效解決了康復(fù)治療中患者依從性不佳的難題。

目前，該平臺已在肌肉骨關(guān)節(jié)疾病、2型糖尿病、高血壓及肥胖等慢性病群體的治療與康復(fù)中投入應(yīng)用。未來，其應(yīng)用場景還將進一步拓展至更多社區(qū)醫(yī)院和家庭，讓更多患者受益。

對此，北京大學(xué)深圳醫(yī)院運動醫(yī)學(xué)與康復(fù)醫(yī)學(xué)中心的張新濤教授指出：“傳統(tǒng)運動處方受限于醫(yī)生個體經(jīng)驗，難以實現(xiàn)廣泛推廣與標(biāo)準(zhǔn)化。AI技術(shù)的融入，讓科學(xué)運動成為’可量化、可追蹤’的慢性病管理的重要手段，填補了國內(nèi)智能運動處方系統(tǒng)的空白，并能不斷積累數(shù)據(jù)，持續(xù)優(yōu)化算法模型?！?/p>

復(fù)旦大學(xué)運動醫(yī)學(xué)研究所所長陳世益教授對第一財經(jīng)記者表示：“AI已經(jīng)深度介入運動醫(yī)學(xué)和運動處方的起草，AI+體醫(yī)融合的創(chuàng)新模式有望為全國慢性病健康管理提供可借鑒、可復(fù)制的成功經(jīng)驗?！?/p>

AI智能訓(xùn)練也是康復(fù)醫(yī)學(xué)領(lǐng)域的熱門賽道。近期，復(fù)旦大學(xué)附屬華山醫(yī)院完成了一項居家肌肉康復(fù)訓(xùn)練智能產(chǎn)品的轉(zhuǎn)化，能針對術(shù)后患者的康復(fù)訓(xùn)練給出訓(xùn)練計劃，監(jiān)測反饋肌肉發(fā)力收縮情況，并實時追蹤訓(xùn)練效果，并自動生成康復(fù)評估數(shù)據(jù)報告，供臨床醫(yī)生參考。之后還有可能進一步研發(fā)運動健身人群的肌肉訓(xùn)練儀，用于指導(dǎo)正常的肌肉練習(xí)和運動損傷的預(yù)防。

但需要強調(diào)的是，目前AI在臨床上的使用仍以輔助決策為主，尚無法獨立作出診斷決策。復(fù)旦大學(xué)附屬華山醫(yī)院運動醫(yī)學(xué)科副主任醫(yī)師戈允申對第一財經(jīng)記者表示：“真正為處方負(fù)責(zé)的還是臨床醫(yī)生，不管是DeepSeek大模型還是其他的AI工具，目前在臨床上還只能起到輔助的作用，無法獨立作出醫(yī)療決策?！?/p>

戈允申強調(diào)，在臨床診療過程中，患者的情況是非常復(fù)雜且個性化的，AI大模型的能力還不足以應(yīng)對千變?nèi)f化的實際情況。他認(rèn)為，大模型在臨床上的應(yīng)用還面臨兩大挑戰(zhàn)，一方面是AI大模型的部署成本很高，要投入大量資金建立云服務(wù)器等基礎(chǔ)設(shè)施；另一方面是具有經(jīng)驗的專家以及擁有大量診療數(shù)據(jù)的醫(yī)院是否愿意將這些數(shù)據(jù)和經(jīng)驗作為知識分享給大模型?！按竽Ｐ偷挠?xùn)練需要有豐富經(jīng)驗專家的知識分享，經(jīng)過這些專業(yè)數(shù)據(jù)訓(xùn)練的大模型在臨床應(yīng)用上才具有真正的價值?！备暝噬陮Φ谝回斀?jīng)記者表示。