2024年醫院新興技術創新應用典型案例征集活動經行業專家背靠背盲審以及終審，共選出20篇典型案例，將陸續刊登出來，以饗讀者。

1 項目簡介

　　當前，高質量發展已成為醫院“十四五”期間乃至更長期發展的核心主題，醫院將逐步邁向高質量發展新階段，打造電子病歷、智慧服務、智慧管理“三位一體”的智慧醫院，進一步提升人民群眾的就醫獲得感和滿意度。以患者為中心的智慧服務是智慧醫院建設下一階段的主要方向，指醫院針對患者的醫療服務需要，應用信息技術改善患者就醫體驗，加強患者信息互聯共享，提升醫療服務智慧化水平的新時代服務模式。

　　2015年以來，《進一步改善醫療服務行動計劃》《關于加強三級公立醫院績效考核工作的意見》《醫院智慧服務分級評估標準體系（試行）》以及《改善就醫感受提升患者體驗主題活動方案（2023-2025年）》相關文件頒布，明確要求各級醫療機構要將“以病人為中心”的理念貫穿于醫療服務各環節，整體提升醫療服務的舒適化、智慧化、數字化水平，進一步增強人民群眾就醫的獲得感、幸福感、安全感。

　　溫州醫科大學附屬第一醫院（以下簡稱：溫醫大附一院）創建于1919年，是浙江省首批通過三甲評審的四家綜合性醫院之一，醫療服務輻射浙南閩北贛東近3000萬人口。2015年，溫醫大附一院以“零排隊醫療服務新體驗”項目榮獲了亞洲醫院管理獎“客戶服務”類別金獎。

　　近年來，國家通過各種形式不斷改善患者就醫體驗取得了一定的效果。但當下患者就醫時仍然存在不少卡點、難點，“看病難、看病煩”依然困擾著老百姓。其中，診前環節是看病就醫的第一步，但目前存在“患者不會看病、看不上病”情況，主要表現為以下幾方面：患者不舒服時，不知道要不要去看病、去哪看病；患者不知道掛什么科、找誰看病最合適；患者想看病但是掛不上號；無法判斷病情，輕微癥也得反復來回跑醫院；醫院線上預約操作繁瑣，患者用不明白，特別是老年人。

2 建設與開發

　　（1）建設方案

　　在項目建設與開發初期，溫醫大附一院首先通過問卷調查、訪談等方式收集患者的痛點及需求，為項目提供真實存在的需求。同時與醫院門診管理人員分析患者的需求結合相關政策，為項目提供可行性支撐。通過對相關文獻的調研，了解大語言模型在醫療領域的應用現狀和發展趨勢，為項目提供理論支持和實踐經驗。通過從醫療機構收集醫院問診對話、診療數據、醫學文獻及知識庫等數據，為項目提供可靠的基礎數據支撐。通過收集臨床測試和用戶反饋，編寫效果評估報告，總結系統的優勢和不足，為后續系統迭代升級提供參考。

　　（2）技術路線

　　本項目的技術路線主要包括數據采集與處理、大語言模型構建與訓練、診前數字醫生系統開發和應用效果評估四個階段。

　　第一階段，數據采集與處理

　　1）數據源選擇：從醫療機構、公共衛生數據庫等多渠道收集醫生問診對話、患者診療數據、醫學文獻和醫學知識庫等。

　　2）數據預處理：對數據進行清洗、標注和格式化，確保數據質量和一致性。

　　3）數據增強：采用數據增強技術，如數據合成、隨機擾動等，增加數據多樣性和泛化能力。

　　第二階段，大語言模型構建與訓練

　　1）模型選擇：選用適合醫療領域的可私域部署的大語言模型。

　　2）模型訓練：利用預處理后的數據對模型進行訓練，優化模型參數，提高模型性能。

　　3）模型評估：通過交叉驗證、準確率、召回率等指標評估模型性能，確保模型在醫療領域的適用性。

　　第三階段，診前數字醫生系統開發

　　1）系統架構設計：設計診前數字醫生系統的整體架構，包括前端交互界面、后端處理邏輯和數據存儲等。

　　2）功能實現：實現用戶意圖識別、AI問診、AI診斷、AI分流、AI分診等交互及邏輯功能開發，為用戶提供個性化的診前服務。

　　3）系統集成與測試：將大語言模型與診前數字醫生系統進行集成，并進行系統測試，確保系統穩定性和準確性。

　　第四階段，應用效果評估

　　1）用戶反饋收集：收集用戶對診前數字醫生系統的使用反饋，持續優化系統功能和性能。

　　2）效果評估報告：根據臨床測試和用戶反饋，編寫效果評估報告，總結系統的優勢和不足，為后續研究提供參考。

3 關鍵技術或產品描述

　　（1）產品描述

　　針對診前掛號場景，建立患者就醫第一入口，由診前數字醫生進行AI問診，通過主動式的交互引導患者進行疾病問詢，實現線上線下分流及科室醫生精準匹配，幫助患者最便捷、最有效看上病。

　　1）AI意圖識別：患者通過文字或語音直接說出問題或需求，利用大語言模型、自然語言處理技術進行患者意圖識別，并調用相關功能讓患者便捷快速獲得對應服務。研究實現后，患者進入醫院小程序或APP首頁后，可以直接說“我想預約張三醫生幾月幾號的號”，AI系統自動識別并預約，大大提升了患者交互體檢，讓老年患者就醫更加便捷、順暢。

　　2）AI問診：通過AI問診在診前盡可能多的收集患者病情信息。利用通用大語音模型，通過三甲醫院醫生實際問診對話數據及醫學相關知識庫及文獻進行訓練，建立醫療領域的垂直大模型-問診大模型。患者只需要說出他的癥狀或者感受，例如“我胸口疼”，AI系統根據自身的理解能力、思維能力和知識，模擬醫生問診跟患者對話詢問他的病情信息，詢問患者“癥狀出現多久了”，患者回答后，針對患者的答案繼續追問，“疼痛的感覺是什么樣的，如鈍痛、刺痛”、“您覺得痛感是持續的還是間歇性的”、“在什么情況下會加重，比如深呼吸、咳嗽或者是某些特定的活動”、“胸痛發生時，有沒有什么其他的癥狀，比如發熱、呼吸困難或惡心”等，AI經過幾輪的問診獲取患者的病情詳細情況。

　　3）AI診斷：基于AI問診收集的患者病情信息給出預診斷（疑似診斷）。利用通用大語音模型，通過醫學知識庫及文獻數據進行訓練，建立醫療領域的垂直大模型-預診斷大模型。研究實現后，基于AI問診得到的患者病情，AI系統根據自身的知識給出1-5個可能性較大的預診斷，例如上述胸口疼對應的預診斷可能有“食管炎、胃炎、膽囊炎、胸膜炎、心肌炎”并能根據概率進行排序。

　　4）AI分流分診：基于AI診斷的預診斷結果，進行患者的精準分流（線上、線下）分診到具體科室具體醫生。通過建立疾病分流模型、疾病分診模型、疾病推薦模型、醫生能力畫像庫等，利用大語言模型、自然語言處理技術，根據預診斷推送給患者最佳的就醫路徑（線上、線下）、就診科室、就診醫生。基于預診斷結果判斷出病情的輕重情況，推薦患者是線上還是線下就診，例如上述胸口疼如果是食管炎則推薦患者線上網絡醫院消化內科問診，如果是心肌炎則推薦患者線下心內科就醫自動匹配心肌炎最合適的醫生給患者，解決了患者不知道要不要去醫院、去醫院應該掛什么科、找哪個醫生最合適、輕癥可以在家線上快速問診，避免往返醫院。

　　（2）產品展示

　　1）場景一：患者不舒服，幫助患者明確科室完成掛號

圖1 6輪對話內，推薦醫生及可約號源

　　2）場景二：患者預約指定科室醫生

2）場景二：患者預約指定科室醫生

　　3）場景三：復診患者掛號預約

圖3 復診患者問診預約系統自動分流線上

　　（3）關鍵技術

　　1）大語言模型（LLM）：利用通用大模型建立問診、診斷醫療垂直大模型。模型部分主要是包含通用大模型、Prompt（問診能力、決策能力、診斷能力等）、索引、T-PASS，通過設置不同的Prompt參數去調控通用大模型的輸出變成對應的能力；索引部分主要是包含通用索引、定制索引，在大模型中數據量巨大，需要進行高效的索引才能快速處理和查詢數據，因此除通用索引外，還需要根據預就診場景進行定制索引，提高模型的性能和效率。T-PASS部分主要包含MYSQL、ES、消息引擎、分布式緩存，該部分主要是將原始輸入數據轉化為適合模型處理的形式，包括數據清洗、特征提取、數據轉換等步驟，為模型的訓練和預測提供更加準確和可靠的數據基礎。

　　2）自然語言處理（NLP）：

　　第一，意圖識別：隨著人工智能技術的不斷發展，自然語言處理（NLP）技術在各個領域的應用越來越廣泛。其中，用戶意圖識別是NLP技術的重要應用之一。用戶意圖識別是指通過自然語言處理技術，對用戶的輸入進行分析和理解，從而確定用戶的意圖和需求，為用戶提供更加精準的服務和體驗。目前被廣泛應用于智能客服、智能助手、智能推薦等領域。因此將此技術應用于診前數字醫生，為患者提供更加個性化的推薦及提供更加精準和高效的服務。

　　第二，智能匹配：在NLP（自然語言處理）中，關鍵字匹配技術是從文本數據中識別出與預定義關鍵字或短語相匹配的內容。這種技術被廣泛應用于信息抽取、文本分類、情感分析等。因此將此項技術應用于預診斷與分流模型、疾病分診模型、疾病推薦模型、醫生能力畫像庫的精準匹配。

5 應用效果

　　（1）實踐價值

　　1）重塑診前流程

　　基于通用大模型構建診前數字醫生，通過與患者進行多輪多模態交互問診，全面了解患者癥狀、病史等信息，為患者是否需要到院就診、推薦合適的就診科室與擅長該領域醫生等場景提供決策支持。讓患者享受更便捷、易得、周到的醫療健康服務，助力公立醫院將稀缺醫療資源更優分級配置。

　　2）融合新興技術

　　隨著技術的不斷進步和醫療數據的不斷增加，大模型在醫療機構具有廣泛的應用前景，“診前-診中-診后”的就醫全流程中起到重要作用，為醫生和患者提供更好的服務和體驗。大模型可以根據患者病歷、健康數據、疾病癥狀，為患者推薦科室/醫生，回答健康問題、建議用藥方案，并提供預約服務。該系統在改善就醫感受、提升患者體驗方面發揮不可替代的作用，能夠做到切實、真正提升患者就醫滿意度。

　　（2）社會效益

　　傳統掛號模式下，患者想看病，從智能導診、選擇科室醫生、完成預約掛號至少進行10+次信息不對稱下的選擇，操作步驟冗余。基于大語言模型的診前數字醫生，為溫醫大附一院的高質量發展注入新質生產力，其社會價值包括以下幾點：促進醫療資源合理分配，減少因掛錯科導致的醫療資源浪費，讓不必到醫院的輕癥患者線上診療閉環；提升患者預約體驗，最快1輪對話，即可完成掛號預約；降低醫院導醫客服成本，減少客服回答常見重復問題所耗費的時間成本。

　　申報單位：溫州醫科大學附屬第一醫院

　　聯合申報單位：北京京東健康有限公司

　　案例賽道：應用場景與技術創新

　　業務領域：患者服務