当消费遇上AI｜DeepSeek成运动“私教”，大模型辅助运动处方决策

人工智能大模型DeepSeek正在运动康复领域发挥作用。该大模型问世以来，已经成为很多人的运动“私教”，身边越来越多的人开始使用DeepSeek制定运动计划。如今，临床医生也正在使用AI大模型辅助运动处方决策。

55岁的张先生患有轻度肥胖(BMI 27)，他希望通过运动控制血压、降低血脂，要求DeepSeek制定一个适合春季的运动方案。2分钟后，DeepSeek生成了一份详细的运动方案，不仅列出了每周的运动计划，包括有氧运动、力量训练、平衡训练以及柔韧训练，还给出了运动的强度，每组动作的次数以及进度调整的建议，甚至还加上了运动前后的饮食配合。

DeepSeek的能力很快受到了运动医学临床专家的关注。近日，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）合作发布了国内首款基于Deepseek大模型训练的运动处方辅助决策平台，标志着AI大模型正式走向运动医学临床诊疗。

据介绍，该平台基于DeepsSeek大模型构建，依托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研发的运动训练知识库、视频库，整合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，可生成高度个性化的运动处方建议，极大地缩短了医生决策时间，提升诊疗效率。

在运动评估方面，平台还能结合基于动作捕捉技术AI动作的评估设备，分析患者体成分、体质评估等关键健康指标，并借助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规范性与心率等数据，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难题。

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投入应用。未来，其应用场景还将进一步拓展至更多社区医院和家庭，让更多患者受益。

对此，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’的慢性病管理的重要手段，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对第一财经记者表示：“AI已经深度介入运动医学和运动处方的起草，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训练计划，监测反馈肌肉发力收缩情况，并实时追踪训练效果，并自动生成康复评估数据报告，供临床医生参考。之后还有可能进一步研发运动健身人群的肌肉训练仪，用于指导正常的肌肉练习和运动损伤的预防。

但需要强调的是，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对第一财经记者表示：“真正为处方负责的还是临床医生，不管是DeepSeek大模型还是其他的AI工具，目前在临床上还只能起到辅助的作用，无法独立作出医疗决策。”

戈允申强调，在临床诊疗过程中，患者的情况是非常复杂且个性化的，AI大模型的能力还不足以应对千变万化的实际情况。他认为，大模型在临床上的应用还面临两大挑战，一方面是AI大模型的部署成本很高，要投入大量资金建立云服务器等基础设施；另一方面是具有经验的专家以及拥有大量诊疗数据的医院是否愿意将这些数据和经验作为知识分享给大模型。“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。”戈允申对第一财经记者表示。