人工智能大模型Deepseek正在运动康复领域发挥重要作用。自问世以来，DeepSeek已成为许多人的运动“私教”，越来越多的人开始利用它制定个性化的运动计划。如今，临床医生也开始采用AI大模型来辅助制定运动处方。

　　55岁的张先生因轻度肥胖（BMI 27）希望通过运动控制血压和降低血脂。他向DeepSeek提出了制定一个适合春季的运动方案的需求。仅仅2分钟后，DeepSeek便为他生成了一份详尽的运动计划，包括每周的运动安排、运动类型（有氧运动、力量训练、平衡训练及柔韧训练）、运动强度、每组动作的次数以及进度调整建议，还贴心地附上了运动前后的饮食搭配。

　　DeepSeek的出色表现很快引起了运动医学临床专家的关注。近期，北京大学深圳医院运动医学与康复医学中心与以动健康（北京康糖医疗）合作推出了国内首款基于DeepSeek大模型的运动处方辅助决策平台，标志着AI大模型正式进入运动医学临床诊疗领域。

　　该平台基于DeepSeek大模型构建，结合北京大学深圳医院运动医学与康复医学中心与以动健康多年积累的运动训练知识库、视频库，以及整合了多维度临床数据的语料库。通过AI驱动的多模态数据分析引擎，该平台能够生成高度个性化的运动处方建议，显著缩短了医生的决策时间，提高了诊疗效率。

　　在运动评估方面，该平台结合了基于动作捕捉技术的AI动作评估设备，能够分析患者的体成分、体质评估等关键健康指标，并通过物联网实时传输数据。患者在家锻炼时，系统能同步监测动作的规范性和心率等数据，搭配智能设备实现患者与医生的远程协同管理，有效解决了康复治疗中患者依从性不佳的问题。

　　目前，该平台已在肌肉骨关节疾病、2型糖尿病、高血压及肥胖等慢性病群体的治疗与康复中得到应用。未来，其应用场景将进一步拓展至更多社区医院和家庭，造福更多患者。

　　北京大学深圳医院运动医学与康复医学中心的张新涛教授指出：“传统运动处方受限于医生个体经验，难以实现广泛推广与标准化。AI技术的融入让科学运动成为‘可量化、可追踪’的慢性病管理重要手段，填补了国内智能运动处方系统的空白，并能不断积累数据，持续优化算法模型。”

　　复旦大学运动医学研究所所长陈世益教授表示：“AI已深度介入运动医学和运动处方的制定。AI+体医融合的创新模式有望为全国慢性病健康管理提供可借鉴、可复制的成功经验。”

　　AI智能训练也是康复医学领域的热门赛道。近期，复旦大学附属华山医院完成了一项居家肌肉康复训练智能产品的转化，能针对术后患者的康复训练给出个性化计划，监测反馈肌肉发力收缩情况，实时追踪训练效果，并自动生成康复评估数据报告，供临床医生参考。未来，还有望进一步研发适用于运动健身人群的肌肉训练仪，用于指导正常的肌肉练习和预防运动损伤。

　　然而，需要强调的是，目前AI在临床上的使用仍以辅助决策为主，尚无法独立作出诊断决策。复旦大学附属华山医院运动医学科副主任医师戈允申表示：“真正为处方负责的还是临床医生。无论是DeepSeek大模型还是其他AI工具，目前在临床上只能起到辅助作用，无法独立作出医疗决策。”

　　戈允申强调，在临床诊疗过程中，患者的情况复杂且个性化，AI大模型的能力尚不足以应对所有实际情况。他认为，大模型在临床上的应用面临两大挑战：一是AI大模型的部署成本高，需要投入大量资金建立云服务器等基础设施；二是具有经验的专家和拥有大量诊疗数据的医院是否愿意将这些数据和经验分享给大模型进行训练。“大模型的训练需要有丰富经验专家的知识分享，经过这些专业数据训练的大模型在临床应用上才具有真正的价值。”戈允申表示。

（文章来源：第一财经）