一項(xiàng)目簡介
為響應(yīng)國家“互聯(lián)網(wǎng)+醫(yī)療健康”政策號召，提升患者就醫(yī)效率與滿意度，武漢大學(xué)中南醫(yī)院基于前沿人工智能技術(shù)，研發(fā)并部署了醫(yī)療智能客服系統(tǒng)。該系統(tǒng)旨在通過智能化服務(wù)模式，優(yōu)化院內(nèi)服務(wù)流程，緩解傳統(tǒng)人工客服壓力，打造“精準(zhǔn)、高效、人性化”的智慧醫(yī)療服務(wù)體系。
本系統(tǒng)以醫(yī)療行業(yè)大模型為核心技術(shù)底座，依托工作流引擎實(shí)現(xiàn)多場景意圖識別與動態(tài)任務(wù)調(diào)度，構(gòu)建覆蓋患者全流程需求的智能交互終端。通過意圖識別、大語言模型及深度學(xué)習(xí)技術(shù)，系統(tǒng)支持患者在線完成智能導(dǎo)診、預(yù)問診信息采集、個性化健康咨詢、體檢套餐推薦、中醫(yī)治未病項(xiàng)目推薦等多元化服務(wù)，實(shí)現(xiàn)“一問多答、一終端多場景”的智能化服務(wù)閉環(huán)。
1.技術(shù)特色
多模態(tài)意圖識別：通過工作流動態(tài)解析患者文本、語音輸入，精準(zhǔn)匹配服務(wù)場景，支持復(fù)雜語境下的語義理解。
數(shù)據(jù)驅(qū)動優(yōu)化：基于患者交互數(shù)據(jù)持續(xù)訓(xùn)練模型，提升導(dǎo)診準(zhǔn)確率與推薦適配度。
系統(tǒng)集成能力：無縫對接醫(yī)院HIS、EMR系統(tǒng)，確保服務(wù)與臨床業(yè)務(wù)流程協(xié)同。
2.應(yīng)用價值
患者端：提供7*24全天候自助服務(wù)，減少排隊等候時間，提升就醫(yī)體驗(yàn)。
醫(yī)院端：降低人工客服成本30%以上，優(yōu)化資源配置，通過預(yù)問診數(shù)據(jù)沉淀輔助臨床決策。
1.建設(shè)思路
（1）頂層設(shè)計
以患者全流程就醫(yī)需求為核心，結(jié)合醫(yī)院門診、體檢、中醫(yī)等業(yè)務(wù)痛點(diǎn)，梳理智能客服覆蓋的高頻場景（如導(dǎo)診效率低、預(yù)問診耗時長、健康咨詢碎片化），明確功能優(yōu)先級。
遵循《醫(yī)院智慧服務(wù)分級評估標(biāo)準(zhǔn)》，確保系統(tǒng)建設(shè)與政策要求及醫(yī)院智慧化戰(zhàn)略同頻。
（2）技術(shù)架構(gòu)規(guī)劃
采用“大模型能力+工作流引擎+醫(yī)療知識庫”分層架構(gòu)，實(shí)現(xiàn)意圖識別、任務(wù)編排、接口調(diào)用的模塊化開發(fā)。
構(gòu)建開放大模型技術(shù)中臺，預(yù)留與HIS、互聯(lián)網(wǎng)醫(yī)院、體檢系統(tǒng)的標(biāo)準(zhǔn)化對接通道，保障多系統(tǒng)協(xié)同服務(wù)能力。
（3）技術(shù)亮點(diǎn)
基于大模型構(gòu)建可配置化服務(wù)流程：
意圖識別層：融合規(guī)則引擎與AI模型，支持癥狀關(guān)鍵詞、患者畫像等多維度特征提??；
任務(wù)路由層：根據(jù)咨詢類型自動觸發(fā)導(dǎo)診、預(yù)問診等子流程，復(fù)雜場景無縫切換人工坐席；
服務(wù)交付層：生成圖文、語音、結(jié)構(gòu)化報告等多模態(tài)交互反饋。
（4）持續(xù)優(yōu)化
建立“患者評分-人工復(fù)核-模型迭代”優(yōu)化鏈路，通過同居分析定向優(yōu)化意圖識別盲區(qū)。
定期更新醫(yī)學(xué)知識庫，同步最新診療規(guī)范與藥品目錄。
引入自動學(xué)習(xí)技術(shù)，在保護(hù)隱私前提下實(shí)現(xiàn)跨院區(qū)數(shù)據(jù)價值挖掘，提升推薦算法精準(zhǔn)度。
開發(fā)患者偏好學(xué)習(xí)模塊，根據(jù)歷史交互習(xí)慣自適應(yīng)調(diào)整應(yīng)答風(fēng)格（如簡潔型/詳解型）。
2.建設(shè)流程
（1）技術(shù)可行性評估與方案設(shè)計
通過問卷調(diào)查、門診隨訪收集患者就醫(yī)痛點(diǎn)（如導(dǎo)診不清晰、咨詢渠道分散）；訪談門診醫(yī)生、客服中心人員，梳理預(yù)問診流程優(yōu)化需求及健康咨詢高頻問題；對標(biāo)《醫(yī)院智慧服務(wù)分級評估標(biāo)準(zhǔn)》，明確系統(tǒng)需覆蓋的評級指標(biāo)項(xiàng)。
評估大模型訓(xùn)練數(shù)據(jù)合規(guī)性，制定醫(yī)療知識庫脫敏清洗方案。
測試與互聯(lián)網(wǎng)醫(yī)院、HIS、門診電子病歷系統(tǒng)的接口兼容性，確認(rèn)數(shù)據(jù)交互協(xié)議標(biāo)準(zhǔn)。
（2）大模型微調(diào)與檢索增強(qiáng)生成（RAG）
1）任務(wù)定制化訓(xùn)練
導(dǎo)診任務(wù)：輸入患者癥狀描述，輸出科室推薦置信度（如“心血管內(nèi)科為92%，呼吸內(nèi)科為5%”）。
預(yù)問診任務(wù)：通過多輪對話生成結(jié)構(gòu)化問診報告（包含現(xiàn)病史、過敏史等12項(xiàng)字段）。
2）強(qiáng)化學(xué)習(xí)優(yōu)化
構(gòu)建模擬患者對話環(huán)境，根據(jù)人工審核反饋（如“推薦科室錯誤-1分”“回答不完整-0.5分”）調(diào)整模型策略。
引入醫(yī)生專家評分機(jī)制，對復(fù)雜案例（如罕見病癥狀）進(jìn)行定向增強(qiáng)訓(xùn)練。
3）臨床驗(yàn)證機(jī)制
組織多名副主任醫(yī)師對1000條模擬咨詢案例進(jìn)行盲審，模型推薦方案與專家共識符合率達(dá)91.7%。
通過A/B測試對比人工客服，模型在標(biāo)準(zhǔn)化場景（如感冒分診）效率提升400%，復(fù)雜場景（如慢性病用藥咨詢）準(zhǔn)確率差距縮窄至<5%。
4）核心知識域搭建
疾病庫：涵蓋ICD-10標(biāo)準(zhǔn)下8000+疾病實(shí)體，關(guān)聯(lián)癥狀、檢查、治療方案、預(yù)后等屬性。
科室-醫(yī)生庫：動態(tài)維護(hù)全院200+科室的接診范圍、500+醫(yī)生的專業(yè)特長（如“張XX主任：帕金森病深部腦刺激術(shù)”）。
健康知識庫：整合國家衛(wèi)生健康委發(fā)布指南、權(quán)威期刊文獻(xiàn)，形成5000+條疾病預(yù)防、康復(fù)指導(dǎo)知識條目。
5）自動化更新機(jī)制
每日抓取國家藥監(jiān)局藥品說明書更新、疾病診療規(guī)范修訂，經(jīng)醫(yī)學(xué)編輯審核后自動同步至知識庫。
對接醫(yī)院科研平臺，實(shí)時納入本院最新臨床研究成果（如特色科室的診療方案優(yōu)化）。
6）閉環(huán)校驗(yàn)體系
機(jī)器校驗(yàn)：通過邏輯沖突檢測（如“孕婦禁用→同時推薦孕婦可用藥品”）、知識溯源驗(yàn)證（標(biāo)注每條知識的參考文獻(xiàn)來源）。
人工校驗(yàn)：成立由3名主治醫(yī)師組成的醫(yī)學(xué)委員會，每月對新增知識進(jìn)行臨床適用性評審。
3.意圖識別分類與編排
（1）意圖識別與分類
利用大模型實(shí)現(xiàn)全局意圖監(jiān)聽，在對話節(jié)點(diǎn)嵌入輕量級意圖識別模型，實(shí)時監(jiān)測用戶意圖偏移，比如：患者描述發(fā)熱時，先對發(fā)熱癥狀進(jìn)行科普，隨后調(diào)整到導(dǎo)診流程，為患者提供科室推薦。
支持跨流程攜帶關(guān)鍵信息，如：預(yù)問診填寫的過敏史自動同步科普如何預(yù)防過敏。
（2）場景化任務(wù)流配置
智能導(dǎo)診：通過識別患者癥狀或就醫(yī)目的，使用大模型推理各科室的匹配權(quán)重，通過權(quán)重返回推薦的科室列表。
預(yù)問診：通過與HIS系統(tǒng)對接，獲取患者尚未就診的掛號記錄，自動詢問是否進(jìn)行預(yù)問診，通過多輪的問診咨詢，生成預(yù)問診報告，并同步至門診電子病歷系統(tǒng)。
健康咨詢：區(qū)分咨詢類型（疾病知識/用藥指導(dǎo)/預(yù)防建議），對患者的開放性問題（如“手術(shù)后如何營養(yǎng)調(diào)理”）啟動大模型生成最佳回答。在回答結(jié)束后顯示參考文獻(xiàn)來源（如“依據(jù)《中國糖尿病防治指南2023版》”）。
就醫(yī)咨詢：識別患者就掛號、報銷、打印病歷等就醫(yī)流程進(jìn)行咨詢時，調(diào)用院內(nèi)知識庫，通過檢索增強(qiáng)（RAG） 進(jìn)行回復(fù)。保證回復(fù)的內(nèi)容不偏離醫(yī)院知識庫。比如：患者詢問體檢科在幾號樓？
體檢套餐推薦：通過與體檢系統(tǒng)對接，分析患者在以往就診記錄中的癥狀與疾病，包括本次就醫(yī)的癥狀及目的，定制化生產(chǎn)合適患者的體檢套餐。
4.系統(tǒng)集成與測試
通過對接互聯(lián)網(wǎng)醫(yī)院、HIS、電子病歷系統(tǒng)、體檢系統(tǒng)，實(shí)現(xiàn)患者基本信息拉取、預(yù)問診報告回寫等接口。
模擬高并發(fā)場景壓力測試，確保單日5萬次咨詢請求的穩(wěn)定響應(yīng)。
5.安全合規(guī)驗(yàn)證
通過前置機(jī)、防火墻保障暴露在互聯(lián)網(wǎng)端口安全合規(guī)。
通過對患者隱私數(shù)據(jù)進(jìn)行國密SM2（非對稱）算法加密，嚴(yán)格保證公鑰和私鑰的安全。
委托第三方機(jī)構(gòu)開展?jié)B透測試與等保合規(guī)性評估，修復(fù)數(shù)據(jù)泄露風(fēng)險點(diǎn)。
1.意圖識別與分類
（1）混合意圖識別架構(gòu) 多模態(tài)輸入解析： 支持文本、語音（ASR轉(zhuǎn)寫）多模態(tài)輸入，通過大模型語言提取語義特征。 語音輸入經(jīng)方言自適應(yīng)模型處理，識別準(zhǔn)確率提升至92%（武漢方言場景）。 三級分類體系： 一級場景分類：基于意圖識別輸出概率融合，區(qū)分導(dǎo)診、預(yù)問診、健康咨詢、推薦服務(wù)等6大類場景（準(zhǔn)確率≥96%）。 二級需求細(xì)化：在場景內(nèi)進(jìn)一步分類（如“導(dǎo)診”細(xì)分為內(nèi)科/外科/急診分診），采用知識圖譜路徑匹配算法。 三級語義消歧：對模糊描述（如“心慌”）結(jié)合患者畫像（年齡、性別）動態(tài)加權(quán)推理（如年輕女性優(yōu)先考慮甲亢，老年男性側(cè)重冠心?。?/span> （2）動態(tài)特征增強(qiáng) 上下文感知模型： 基于上下文記憶構(gòu)建長程記憶網(wǎng)絡(luò)，支持跨輪次對話狀態(tài)跟蹤（如追問“疼痛持續(xù)時間”后自動關(guān)聯(lián)病程階段）。 實(shí)時知識注入： 對接醫(yī)院HIS系統(tǒng)，動態(tài)加載當(dāng)日急診停診信息等實(shí)時數(shù)據(jù)，在患者詢問某某專家哪天有號等場景，可以有效根據(jù)實(shí)時數(shù)據(jù)回答。 2.場景化任務(wù)編排 （1）工作流引擎設(shè)計 1）可視化流程編排： 基于工作量=流平臺構(gòu)建可拖拽式工作流，支持200+節(jié)點(diǎn)類型（API調(diào)用、條件分支、數(shù)據(jù)轉(zhuǎn)換）。 示例：導(dǎo)診流程包含癥狀采集→科室匹配→醫(yī)生推薦→導(dǎo)航引導(dǎo)4個核心節(jié)點(diǎn)。 2）動態(tài)跳轉(zhuǎn)邏輯： 預(yù)置15條跳轉(zhuǎn)規(guī)則（如健康咨詢中提及“預(yù)約體檢”自動跳轉(zhuǎn)推薦場景）。 支持基于患者情緒值（通過NLP情感分析）切換應(yīng)答策略（焦慮患者啟用安撫話術(shù)）。 （2）多場景協(xié)同機(jī)制 1）跨流程數(shù)據(jù)共享： 通過全局上下文管理器，實(shí)現(xiàn)預(yù)問診填寫的過敏史自動同步至用藥咨詢場景。 2）多模態(tài)輸出適配： 根據(jù)終端類型動態(tài)渲染結(jié)果：手機(jī)端推送圖文卡片，互聯(lián)網(wǎng)醫(yī)院推送微信消息。 3.大模型推理與檢索增強(qiáng)（RAG） （1）領(lǐng)域增強(qiáng)型模型架構(gòu) 選用醫(yī)助大模型72B，注入300G醫(yī)療文本（電子病歷、指南文獻(xiàn)）進(jìn)行領(lǐng)域增量預(yù)訓(xùn)練。 使用本院10萬條脫敏醫(yī)患對話數(shù)據(jù)，優(yōu)化咨詢場景生成效果；采用多任務(wù)學(xué)習(xí)：同步訓(xùn)練意圖識別、實(shí)體抽取、報告生成任務(wù)。 （2）知識檢索增強(qiáng)（RAG） 構(gòu)建向量化醫(yī)療知識庫，實(shí)時檢索相關(guān)內(nèi)容片段作為生成參考，降低模型幻覺率（實(shí)測下降41%）。 （3）推理性能優(yōu)化 分級響應(yīng)機(jī)制：簡單問題（如科室位置查詢）直接調(diào)用知識庫，響應(yīng)時間<200ms。 復(fù)雜咨詢（如疾病預(yù)后分析）啟動大模型生成，通過模型蒸餾壓縮技術(shù)控制響應(yīng)時間<1.5s。 （4）安全可控機(jī)制 1）內(nèi)容合規(guī)過濾 規(guī)則層：攔截違反倫理表述（如“10 歲患者咨詢懷孕”）。 模型層：訓(xùn)練安全判別模型，識別潛在風(fēng)險回答（如過度診斷建議）。 2）循證醫(yī)學(xué)溯源 在生成答案末尾標(biāo)注證據(jù)等級（如“A級：循證醫(yī)學(xué)指南推薦；B級：專家共識”）。 目前該應(yīng)用已正式上線穩(wěn)定運(yùn)行4月有余，截至2025年4月已服務(wù)患者2萬余人次，并在提升醫(yī)療效率、優(yōu)化患者體驗(yàn)、改善資源分配等多個方面取得了顯著成效。 1.醫(yī)療效率提升 導(dǎo)診準(zhǔn)確率提升：系統(tǒng)目前導(dǎo)診準(zhǔn)確率達(dá)98%，減少患者“走錯科室”現(xiàn)象，減輕醫(yī)院導(dǎo)診臺工作負(fù)擔(dān)。 預(yù)問診時間縮短：患者在線填寫結(jié)構(gòu)化預(yù)問診表單平均耗時3.5分鐘（傳統(tǒng)紙質(zhì)問卷需8分鐘），醫(yī)生接診前可提前查看病史摘要，單次問診時間減少25%。 電子病歷自動化：預(yù)問診數(shù)據(jù)自動生成標(biāo)準(zhǔn)化電子病歷初稿，醫(yī)生病歷書寫時間降低40%，顯著提升診療效率。 2.患者體驗(yàn)優(yōu)化 候診時間減少：通過智能分診與就診進(jìn)度實(shí)時推送，患者平均候診時間縮短37%（從45分鐘降至28分鐘）。 交互友好性提升：支持自然語言輸入（如口語化描述“肚子一陣陣絞痛”），患者滿意度提升。 診后服務(wù)延伸：系統(tǒng)自動推送個性化康復(fù)建議（如糖尿病患者的飲食計劃），患者隨訪依從性提高。 3.醫(yī)療資源優(yōu)化配置 科室負(fù)載均衡：通過動態(tài)導(dǎo)診分流，資源利用率趨于合理。 醫(yī)生工作負(fù)荷降低：預(yù)問診系統(tǒng)過濾20%的輕癥患者至普通門診，專家號資源更多留給疑難病例。 急診響應(yīng)加速：對胸痛、卒中等急癥癥狀的識別準(zhǔn)確率達(dá)100%，急診科接診至處置時間縮短。 本項(xiàng)目基于生成式大語言模型技術(shù)，成功構(gòu)建了一套覆蓋診療全流程的智慧醫(yī)療助手系統(tǒng)，在武漢大學(xué)中南醫(yī)院實(shí)現(xiàn)了顯著的臨床應(yīng)用價值。通過融合多模態(tài)醫(yī)療數(shù)據(jù)與領(lǐng)域知識增強(qiáng)技術(shù)，系統(tǒng)在提升醫(yī)療服務(wù)效率、優(yōu)化患者體驗(yàn)、改善資源配置等方面取得了突破性成果。關(guān)鍵技術(shù)突破包括：醫(yī)療專用LLM的領(lǐng)域自適應(yīng)優(yōu)化、多輪對話的漸進(jìn)式意圖理解、以及隱私保護(hù)下的聯(lián)邦學(xué)習(xí)架構(gòu)。 實(shí)證數(shù)據(jù)表明，系統(tǒng)使門診接診效率提升30%以上，導(dǎo)診準(zhǔn)確率達(dá)到98%，患者滿意度提升至94%，同時顯著降低了醫(yī)療資源的不均衡分配。特別是在急診場景中，系統(tǒng)對危急癥狀的識別準(zhǔn)確率高達(dá)100%，為急重癥患者爭取了寶貴的救治時間。項(xiàng)目形成的標(biāo)準(zhǔn)化建設(shè)方案已具備推廣應(yīng)用價值，為醫(yī)療AI的產(chǎn)業(yè)化落地提供了重要示范。 未來，項(xiàng)目將持續(xù)深化生成式AI與醫(yī)療場景的融合，重點(diǎn)突破多模態(tài)診斷決策支持、跨機(jī)構(gòu)醫(yī)療知識協(xié)同等方向，推動智慧醫(yī)療向更精準(zhǔn)、更普惠的方向發(fā)展。本項(xiàng)目的成功實(shí)施，不僅為醫(yī)院數(shù)字化轉(zhuǎn)型提供了關(guān)鍵技術(shù)支撐，更為構(gòu)建"以患者為中心"的新型醫(yī)療服務(wù)模式奠定了堅實(shí)基礎(chǔ)。 （來源：CHIMA 2025醫(yī)院新興技術(shù)創(chuàng)新應(yīng)用典型案例集） 特別聲明：智慧醫(yī)療網(wǎng)轉(zhuǎn)載其他網(wǎng)站內(nèi)容，出于傳遞更多信息而非盈利之目的，同時并不代表贊成其觀點(diǎn)或證實(shí)其描述，內(nèi)容僅供參考。版權(quán)歸原作者所有，若有侵權(quán)，請聯(lián)系我們刪除。 凡來源注明智慧醫(yī)療網(wǎng)的內(nèi)容為智慧醫(yī)療網(wǎng)原創(chuàng)，轉(zhuǎn)載需獲授權(quán)。
智慧醫(yī)療網(wǎng) ? 2022 版權(quán)所有 ICP備案號：滬ICP備17004559號-5
