基于大模型的智能預問診系統創新與實踐

大語言模型的智能預問診系統，模擬臨床醫生診療思維，通過智能提問預先采集患者的主訴癥狀、伴隨癥狀、診療情況、既往史、家族史等醫療信息，不僅能幫助患者快速建立自我病情認知，還能自動生成預問診標準病歷，并同步至醫生工作站，方便醫生在患者進入診室前提前充分快速了解患者病史，提高診療效率，讓患者的候診更有價值，看病更有溫度。

一、 智能預問診系統的研發背景與目標

（一）研發背景

隨著人工智能技術的飛速發展，醫療大模型已成為國內外研究的熱點領域。國內醫療大模型正呈現出蓬勃發展的態勢。技術上，深度學習、自然語言處理等人工智能技術不斷取得突破，為醫療大模型的構建和研發提供了強大的后盾。應用上，醫療大模型已經應用于醫學影像分析、疾病診斷、藥物研發、個性化醫療、基因測序等領域。例如，清華大學開發了一種基于深度學習的肺癌診斷模型，該模型能夠通過分析胸部CT圖像，準確識別出肺癌病灶，為醫生提供輔助診斷的依據。此外，復旦大學研發了一種基于人工智能的肺結節檢測系統，該系統能夠自動檢測出CT圖像中的肺結節，提高肺癌早期診斷的準確率。全球范圍內，醫療大模型技術研發正迅速發展的階段。從橫向看，BERT系列、GPT系列、PaLM系列、ViT系列為代表的基礎模型引領大模型在生命科學與醫療領域的應用。從縱向看，業界領先的醫療健康大模型的系列化升級和迭代也是大勢所趨，例如Med-PaLM系列持續升級，不斷刷新醫療健康細分領域的最先進水平。例如，谷歌公司與哈佛醫學院合作，開發了一種基于深度學習的糖尿病性視網膜病變預測模型，能夠預測患者發生糖尿病性視網膜病變的風險，為醫生提供早期干預的依據。斯坦福大學與加州大學舊金山分校合作，研發了一種基于人工智能的皮膚癌診斷系統，該系統能夠通過分析皮膚病變的圖像，自動診斷出不同類型的皮膚癌。

（二）研發目標

隨著醫療技術的不斷發展，患者對醫療服務的期望也在不斷提高。傳統的等待就診的方式讓患者感到焦慮和無助，影響了患者的滿意度。基于大語言模型的智能預問診系統完美解決了這一問題，大語言模型可以處理大量的醫療文本數據，通過預先采集患者醫療信息，自然語言處理提取關鍵信息，理解患者的癥狀描述，幫助患者快速建立自我病情認知的同時讓患者覺得等待變得有意義，提高診療效率，從而提升患者的滿意度。

二、智能預問診系統的設計與實現

為了實現智能預問診系統的順利研發，浙江大學醫學院附屬邵逸夫醫院與杭州全診醫學科技有限公司建立了緊密的合作關系，采用產學研聯合研發模式，成功開發出了智能預問診系統，進一步提高患者滿意度和診療效率。智能預問診系統的研發，充分利用了海量醫療數據和知識圖譜的關聯，通過對大量歷史病例、醫學文獻和專家經驗的深度挖掘，系統構建了一個龐大的知識庫，涵蓋了各種疾病的癥狀、診斷標準、治療方案等信息。知識庫為系統提供了豐富的背景知識，還能根據患者的描述快速定位可能的疾病類型，為就診流程提供精準的指導。此外，通過知識圖譜技術，系統還能夠將患者的癥狀與疾病進行關聯，為醫生提供全面的患者病情分析。大語音模型基于海量醫療數據和知識圖譜的關聯方式，不僅提高了預問診的專業性，還為整個醫療行業積累了寶貴的經驗和知識。

（一）文獻的采集與分析

專業文獻的采集與分析是智能預問診系統研發的重要環節。通過對醫學領域的專業文獻進行廣泛的采集，系統能夠獲取最新的醫學研究成果和治療方案，為系統的智能化提供有力支持。同時，對這些文獻進行深入的分析，可以提取出醫學知識關聯，更好地理解患者病情和疾病類型，提供精準的預問診服務。

（二）智能預問診系統的AI化

深入模擬臨床醫生的診療思維方式，通過自然語言處理技術理解患者的語言，根據患者的描述進行推理和分析，以更貼近醫生的思考方式來解讀病情。此外，系統還結合了大量的醫學知識和病例，不斷學習和優化，提高對病情的準確判斷能力。這種模擬臨床醫生診療思維的AI設計，更有溫度和更具有人性化，更貼近真實的醫療環境。

（三）采集患者醫療信息

通過智能提問的方式，預先采集患者的醫療信息，包括主訴癥狀、伴隨癥狀、診療情況、既往史、家族史等，旨在進一步提高患者候診時間的利用率。系統根據患者的回答逐步深入，全面地了解患者的病情，提高了患者對自己病情的認知。這種自我認知的提升，使得患者在與醫生溝通時更有目的性，能更準確地描述自己的癥狀和問題，有助于提高診療的效率和準確性。

（四）自動生成預問診標準病歷

系統可以在5秒內自動生成RTEeQXNbpxKvNXH5/IBLW1UPsvW0gg1iZwIzKmInN+8=預問診標準病歷。這一功能基于對大量醫療數據的分析和處理，利用大模型對病歷的生成進行優化和自動化處理，根據患者提供的信息，快速生成結構化、標準化的病歷記錄，大大提高了診療效率，減少了醫生的工作負擔。

（五）同步至醫生工作站

通過與醫生工作站的同步，實現了患者醫療信息的實時共享。這一功能不僅提高了醫生對患者病情的認知速度，減少了重復詢問和檢查的時間，而且有助于醫生在患者進入診室前全方位快速了解患者病情，有助于醫生做出更為準確和全面的診斷。此外，預問診標準病歷的生成同步到電子病歷，也大大減少了醫生的文書工作量，能夠將更多的精力投入到診療過程中，進一步提升診療效率和質量。

三、智能預問診系統的應用與推廣

智能預問診系統的研發與應用成功入選浙江省衛生健康信息化十佳案例名單，這是對該系統在醫療信息化領域的創新與實踐的認可。該系統已成功推廣至浙江大學醫學院附屬第四醫院、浙江醫院、浙江省人民醫院、黑龍江省中醫院、北京東直門醫院等20余家大型三甲醫療機構。通過與這些醫療機構合作，系統不僅得到了進一步優化，也為患者帶來了福音，得到了醫生和患者的高度認可。

四、結論與展望

智能預問診系統的研發與應用，在醫療領域取得了顯著的效果。該系統通過模擬臨床醫生診療思維，能快速、準確地采集患者醫療信息，幫助患者建立自我病情認知，同時為醫生提供預問診標準病歷，方便醫生快速了解患者病史，提高了診療效率。該系統的推廣應用在浙江省及各地多家大型三甲醫療機構取得了良好的效果，獲得了醫生和患者的廣泛認可。

大模型在醫療信息化中的應用已經成為一個不可忽視的趨勢。智能預問診系統的研發與應用，不僅提高了醫療服務的效率和質量，也展現了人工智能技術在醫療領域的巨大潛力。該系統的成功實踐，不僅體現了大模型在數據處理、知識圖譜關聯等方面的強大能力，更突顯了其在患者候診期間智能提問等方面的創新應用，讓患者等待變得有意義。

隨著醫療大模型的不斷積累和算法的不斷優化，智能醫療領域將迎來更多的創新和變革，在未來將呈現出以下發展趨勢：

1. 跨學科融合：醫療大模型將進一步融合醫學、生物學、化學、統計學等多個學科的知識，提高模型的準確性和可靠性。

2. 個性化治療：醫療大模型將通過對個體數據的深度分析和挖掘，為患者提供更加個性化的治療方案和藥物推薦。

3. 實時監測與預警：醫療大模型將應用于實時監測患者的生理數據和病情變化，及時發出預警信號，提高疾病的早期發現和治療成功率。

4. 全球化協作：隨著全球化和信息技術的不斷發展，醫療大模型的研究將更加注重國際間的合作與交流，推動全球醫療水平的共同提升。

作者單位： 丁勇、蔡秀軍、龐曉燕 浙江大學醫學院附屬邵逸夫醫院

薛翀 杭州全診醫學科技有限公司

武雅文 中國信息通信研究院