湖北省软件企业协会 团体标准 T/HBSEA013—2024 医疗大模型构建与应用标准 StandardsforMedicalLargeLanguageModelsConstructionandApplication 2024-10-25发布 2024-10-26实施 湖北省软件企业协会发布 全国团体标准信息平台 T/HBSEA013—2024 目录 1范围.......................................................................1 2规范性引用文件.............................................................1 3术语和定义.................................................................1 3.1大模型...............................................................1 3.2医疗数据.............................................................1 3.3隐私保护.............................................................1 3.4深度学习.............................................................1 3.5生成式AI.............................................................2 3.6数据标注.............................................................2 4伦理与合规要求.............................................................2 4.1伦理管理.............................................................2 4.2数据合规要求.........................................................3 5模型构建与评估.............................................................3 5.1数据采集与预处理......................................................3 5.2模型构建与训练.......................................................5 5.3模型性能评估.........................................................7 5.4安全与隐私...........................................................9 6模型部署与应用............................................................12 6.1模型开发与部署......................................................12 6.2模型应用场景........................................................14 全国团体标准信息平台 T/HBSEA013—2024 前 言 本标准按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。 本标准由湖北省软件企业协会提出并归口。 本标准起草单位：武汉大学中南医院、湖北福鑫科创信息技术有限公司、武汉大学人民医院（湖北 省人民医院）、湖北省妇幼保健院、襄阳市中心医院、十堰市太和医院、湖北省第三人民医院（湖北省 中山医院）、咸宁市第一人民医院、孝感市第一人民医院、嘉鱼县人民医院。 本标准主要起草人：张帧、肖辉、冯辉、李成伟、张方、余莎莎、肖飞、刘晓东、王明举、宋莉莉、 张伟、陈艳林、温阳、吴笛、伍煦、刘学宾、向晋标、何玉玉。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本标准于2024年10月首次发布。 全国团体标准信息平台 T/HBSEA013—2024 1医疗大模型构建及应用标准 1范围 本标准旨在为医疗大模型的构建、评估、开发、部署、应用等提供系统化、科学 化指导，确保医疗大模型在实际应用中可靠、安全、有效。 本标准适用于医疗大模型从数据采集到场景应用的全生命周期管理，包括数据采 集与预处理、模型构建与训练、模型性能评估、安全与隐私、模型开发部署及应用等 环节。 2规范性引用文件 下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的 版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适 用于本文件。 GB/T41867-2022信息技术人工智能术语 GB/T42131-2022人工智能知识图谱技术框架 GB/T42018-2022信息技术人工智能平台计算资源规范 GB/T42755-2023人工智能面向机器学习的数据标注规程 GB/T19000-2016质量管理体系基础和术语 3术语和定义 3.1大模型 大模型是指基于大规模数据集和深度学习技术训练的人工智能模型，具有复杂的 模型结构和大量的参数，能够处理复杂的任务和大规模数据。大模型具有数据量大、 参数多、计算资源需求高等特征。在医疗领域，大模型可以用于疾病预测与诊断、医 学影像分析、生成式电子病历等。 3.2医疗数据 医疗数据是指在医疗服务过程中产生和收集的与患者健康状况、诊疗过程和结果 相关的数据。这些数据包括但不限于病历数据、影像数据、实验室检查结果和基因数 据等。医疗数据分为结构化数据和非结构化数据，来源于医院、诊所、实验室、体检 中心等医疗机构，是训练医疗大模型的核心资源，其质量和数量直接影响模型的性能 和应用效果。 3.3隐私保护 隐私保护是指在收集、存储、使用和共享个人数据时，采取技术和管理措施，防 止数据泄露、滥用和未经授权的访问，确保数据主体的隐私权和信息安全得到保障。 隐私保护的主要措施有数据加密、数据匿名化与去标识化、访问控制等。 3.4深度学习 深度学习是一种基于人工神经网络的机器学习技术，通过多层网络结构从大规模 数据中自动学习特征表示和复杂模式，用于解决各类复杂任务。深度学习的模型类型 主要有卷积神经网络（CNN）、循环神经网络（RNN）、生成式对抗网络（GAN）等。 全国团体标准信息平台