基于大模型的智能预问诊系统创新与实践

大语言模型的智能预问诊系统，模拟临床医生诊疗思维，通过智能提问预先采集患者的主诉症状、伴随症状、诊疗情况、既往史、家族史等医疗信息，不仅能帮助患者快速建立自我病情认知，还能自动生成预问诊标准病历，并同步至医生工作站，方便医生在患者进入诊室前提前充分快速了解患者病史，提高诊疗效率，让患者的候诊更有价值，看病更有温度。

一、 智能预问诊系统的研发背景与目标

（一）研发背景

随着人工智能技术的飞速发展，医疗大模型已成为国内外研究的热点领域。国内医疗大模型正呈现出蓬勃发展的态势。技术上，深度学习、自然语言处理等人工智能技术不断取得突破，为医疗大模型的构建和研发提供了强大的后盾。应用上，医疗大模型已经应用于医学影像分析、疾病诊断、药物研发、个性化医疗、基因测序等领域。例如，清华大学开发了一种基于深度学习的肺癌诊断模型，该模型能够通过分析胸部CT图像，准确识别出肺癌病灶，为医生提供辅助诊断的依据。此外，复旦大学研发了一种基于人工智能的肺结节检测系统，该系统能够自动检测出CT图像中的肺结节，提高肺癌早期诊断的准确率。全球范围内，医疗大模型技术研发正迅速发展的阶段。从横向看，BERT系列、GPT系列、PaLM系列、ViT系列为代表的基础模型引领大模型在生命科学与医疗领域的应用。从纵向看，业界领先的医疗健康大模型的系列化升级和迭代也是大势所趋，例如Med-PaLM系列持续升级，不断刷新医疗健康细分领域的最先进水平。例如，谷歌公司与哈佛医学院合作，开发了一种基于深度学习的糖尿病性视网膜病变预测模型，能够预测患者发生糖尿病性视网膜病变的风险，为医生提供早期干预的依据。斯坦福大学与加州大学旧金山分校合作，研发了一种基于人工智能的皮肤癌诊断系统，该系统能够通过分析皮肤病变的图像，自动诊断出不同类型的皮肤癌。

（二）研发目标

随着医疗技术的不断发展，患者对医疗服务的期望也在不断提高。传统的等待就诊的方式让患者感到焦虑和无助，影响了患者的满意度。基于大语言模型的智能预问诊系统完美解决了这一问题，大语言模型可以处理大量的医疗文本数据，通过预先采集患者医疗信息，自然语言处理提取关键信息，理解患者的症状描述，帮助患者快速建立自我病情认知的同时让患者觉得等待变得有意义，提高诊疗效率，从而提升患者的满意度。

二、智能预问诊系统的设计与实现

为了实现智能预问诊系统的顺利研发，浙江大学医学院附属邵逸夫医院与杭州全诊医学科技有限公司建立了紧密的合作关系，采用产学研联合研发模式，成功开发出了智能预问诊系统，进一步提高患者满意度和诊疗效率。智能预问诊系统的研发，充分利用了海量医疗数据和知识图谱的关联，通过对大量历史病例、医学文献和专家经验的深度挖掘，系统构建了一个庞大的知识库，涵盖了各种疾病的症状、诊断标准、治疗方案等信息。知识库为系统提供了丰富的背景知识，还能根据患者的描述快速定位可能的疾病类型，为就诊流程提供精准的指导。此外，通过知识图谱技术，系统还能够将患者的症状与疾病进行关联，为医生提供全面的患者病情分析。大语音模型基于海量医疗数据和知识图谱的关联方式，不仅提高了预问诊的专业性，还为整个医疗行业积累了宝贵的经验和知识。

（一）文献的采集与分析

专业文献的采集与分析是智能预问诊系统研发的重要环节。通过对医学领域的专业文献进行广泛的采集，系统能够获取最新的医学研究成果和治疗方案，为系统的智能化提供有力支持。同时，对这些文献进行深入的分析，可以提取出医学知识关联，更好地理解患者病情和疾病类型，提供精准的预问诊服务。

（二）智能预问诊系统的AI化

深入模拟临床医生的诊疗思维方式，通过自然语言处理技术理解患者的语言，根据患者的描述进行推理和分析，以更贴近医生的思考方式来解读病情。此外，系统还结合了大量的医学知识和病例，不断学习和优化，提高对病情的准确判断能力。这种模拟临床医生诊疗思维的AI设计，更有温度和更具有人性化，更贴近真实的医疗环境。

（三）采集患者医疗信息

通过智能提问的方式，预先采集患者的医疗信息，包括主诉症状、伴随症状、诊疗情况、既往史、家族史等，旨在进一步提高患者候诊时间的利用率。系统根据患者的回答逐步深入，全面地了解患者的病情，提高了患者对自己病情的认知。这种自我认知的提升，使得患者在与医生沟通时更有目的性，能更准确地描述自己的症状和问题，有助于提高诊疗的效率和准确性。

（四）自动生成预问诊标准病历

系统可以在5秒内自动生成RTEeQXNbpxKvNXH5/IBLW1UPsvW0gg1iZwIzKmInN+8=预问诊标准病历。这一功能基于对大量医疗数据的分析和处理，利用大模型对病历的生成进行优化和自动化处理，根据患者提供的信息，快速生成结构化、标准化的病历记录，大大提高了诊疗效率，减少了医生的工作负担。

（五）同步至医生工作站

通过与医生工作站的同步，实现了患者医疗信息的实时共享。这一功能不仅提高了医生对患者病情的认知速度，减少了重复询问和检查的时间，而且有助于医生在患者进入诊室前全方位快速了解患者病情，有助于医生做出更为准确和全面的诊断。此外，预问诊标准病历的生成同步到电子病历，也大大减少了医生的文书工作量，能够将更多的精力投入到诊疗过程中，进一步提升诊疗效率和质量。

三、智能预问诊系统的应用与推广

智能预问诊系统的研发与应用成功入选浙江省卫生健康信息化十佳案例名单，这是对该系统在医疗信息化领域的创新与实践的认可。该系统已成功推广至浙江大学医学院附属第四医院、浙江医院、浙江省人民医院、黑龙江省中医院、北京东直门医院等20余家大型三甲医疗机构。通过与这些医疗机构合作，系统不仅得到了进一步优化，也为患者带来了福音，得到了医生和患者的高度认可。

四、结论与展望

智能预问诊系统的研发与应用，在医疗领域取得了显著的效果。该系统通过模拟临床医生诊疗思维，能快速、准确地采集患者医疗信息，帮助患者建立自我病情认知，同时为医生提供预问诊标准病历，方便医生快速了解患者病史，提高了诊疗效率。该系统的推广应用在浙江省及各地多家大型三甲医疗机构取得了良好的效果，获得了医生和患者的广泛认可。

大模型在医疗信息化中的应用已经成为一个不可忽视的趋势。智能预问诊系统的研发与应用，不仅提高了医疗服务的效率和质量，也展现了人工智能技术在医疗领域的巨大潜力。该系统的成功实践，不仅体现了大模型在数据处理、知识图谱关联等方面的强大能力，更突显了其在患者候诊期间智能提问等方面的创新应用，让患者等待变得有意义。

随着医疗大模型的不断积累和算法的不断优化，智能医疗领域将迎来更多的创新和变革，在未来将呈现出以下发展趋势：

1. 跨学科融合：医疗大模型将进一步融合医学、生物学、化学、统计学等多个学科的知识，提高模型的准确性和可靠性。

2. 个性化治疗：医疗大模型将通过对个体数据的深度分析和挖掘，为患者提供更加个性化的治疗方案和药物推荐。

3. 实时监测与预警：医疗大模型将应用于实时监测患者的生理数据和病情变化，及时发出预警信号，提高疾病的早期发现和治疗成功率。

4. 全球化协作：随着全球化和信息技术的不断发展，医疗大模型的研究将更加注重国际间的合作与交流，推动全球医疗水平的共同提升。

作者单位： 丁勇、蔡秀军、庞晓燕 浙江大学医学院附属邵逸夫医院

薛翀 杭州全诊医学科技有限公司

武雅文 中国信息通信研究院