在當前許多醫療細分場景中，一般大型模型的性能仍遠不能滿足臨床應用的要求。以“遠志”醫學文本大模型為例，與DeepSeek集成后，其復雜的推理和文本處理能力得到了極大的提高，使其能夠更有效地響應醫學場景需求。

　　影像工作站同時不僅支持10+種成像方式和多個圖像處理任務，而且在處理復雜病變診斷和器官分割等關鍵任務時，準確率評估超過95%，在性能上明顯超越了行業******模型。

　　大模特的競爭已逐漸從單純的“參數競爭”轉變為圍繞“生態協同、場景落地”的下半場競爭。未來，由文本、圖像和混合建模能力驅動的大規模模型基礎設施將有機會全面重塑人工智能產品的應用形式，產生一系列可以不斷學習和進化的智能代理，最終將智能轉化為生產力。

　　影像工作站實現了從效率工具到“智能合作者”

　　在“元智能”醫學模型的支持下，這些智能代理在感知、理解、決策和執行方面具有核心能力，支持臨床痛點的解決。

　　與專業疾病模型相比，聯英的影像工作站收集了大量的多模態數據，使模型能夠獲取更多的疾病知識，并使用一個模型實現多種疾病的準確診斷。在放射科，基于大型成像模型，智能代理只需要一次胸部CT掃描，即可自動檢測胸腔、食管、縱隔、氣管和支氣管、肺、骨骼、心臟和大血管等區域胸部CT掃描中的37種常見疾病和異常。其行業領先的“一次掃描，多次檢查”性能遠遠超過了業內******型號，平均AUC為0.92，比SOTA高出10%以上。這種智能代理也改變了閱讀視頻的傳統工作流程。與過去相比，醫生需要在成像工作站上完成病變分析，然后切換到獨立的報告系統進行文本輸入，這導致操作過程繁瑣，容易破壞臨床思維的連貫性;現在，由于基于語音的建模算法的支持，醫生可以通過語音智能地編寫診斷報告，大大減少了重復操作，提高了診斷效率。