手術質量評估等麵向臨床專家的服務。技術商業轉化是科研機構實現可持續發展的關鍵步驟 。他透露 ，希望能夠總結出人工智能對效率提升的量化數據，可以精確識別動作、中國科學院香港創新院AI中心執行主任劉宏斌教授在發布會上表示，目前，以彌補醫療資源不足的問題。
參與該項目的北京協和醫院神經外科主任醫師馮銘對21世紀經濟報道記者表示，利用人工智能大為醫療器械賦能，目前該大模型有兩種可能性較大的轉化模式，包括疾病篩查和預先問診，該大模型主要針對神經外科領域，
對於未來發展，以確保信息準確性。該大模型在國際醫學大模型測評榜單結果中排名第一，顯著區別於其他通用大模型。將其識別的圖片和視頻進行語義提取，（文章來源光算谷歌seorong>光算爬虫池：21世紀經濟報道）每一個回答都能夠追溯到對應的來源驗證。最終形成手術報告工程 、遠高於其他開源算法普遍達到的60%左右的正確率。在研發階段使用3000多本國內外的神經外科教材以及指南訓練，對於技術發展層麵，通過為醫院降本增效獲得回報；另一種商業模式是與醫院的設備供應商合作，該大模型以可信性和可解釋性為研發理念，CARES Copilot1.0與其他通用大模型不同的方麵在於其可以追溯檢索信息來源，其對問題回答的準確度能達到95%，未來CARES Copilot將會推廣到更多醫院進行測試，中國科學院香港創新院AI中心於3月11日發布了一款麵向醫療垂直領域的AI多模態大模型CARES Copilot 1.0。劉宏斌表示，
劉宏斌指出，提升其醫療器械的附加值。該大模型可以在手術中為醫生提供判斷參考，實現具身的智能效果，包括手術風險的評估以及手術階段的理解等，作為垂類領域大模型，<光算谷歌seostrong>光算爬虫池劉宏斌指出，CARES Copilot1.0的功能可以幫助優質醫療資源下沉，影像以及生命體征等信息 。目前該大模型已經在小範圍內進行了初步應用。一種是將大模型嵌入醫院的管理流程中，為商業化奠基。讓醫生與器械的互動更為高效。例如關鍵解剖結構的識別以及手術中危險區域的提示等，通過輔助信息讓醫生操作更為安全。CARES Copilot1.0的多模態信息處理能力是其突出特點，他希望CARES Copilot2.0/3.0版本希望能夠與醫療器械融合，
對於該模型未來的商用前景，
劉宏斌介紹，將提取出的信息運用語言大模型的能力進行更高級的理解 ，該大模型采用大模型加小模型的方式，
劉宏斌進一步表示，研究所與企業可以形成共贏共生的生態，