（四）医生效率工具

场景描述： 医生处理繁重的文书工作和信息检索。 智能体应用： 智能病历书写：根据医患对话录音或关键信息，自动生成符合规范的门诊病历、入院记录、手术记录等，医生只需修改确认即可。 文献与研究助手：医生提出一个临床问题，智能体可快速检索全球最新的相关文献、临床试验，并提炼核心结论，助力科研与精准医疗。 参考案例： 门诊场景：AI辅助智能语音病历系统 面向门诊场景，提供门诊语音病历生成、外院报告AI辅助识别、门诊病历AI辅助解析等关键能力，有效解决医生疲于门诊病历记录、患者外院资料录入麻烦、上报数据质量不高等诸多问题。 门诊语音病历生成 外院报告AI辅助识别 住院场景：AI辅助智能病历生成系统 面向住院场景，实现多种住院病历的生成：鉴别诊断、阳性报告总结、术前评估、手术记录语音录入、阶段小结、出院小结等。同时，按专科构建本地知识库，为医生生成符合临床传承和个人书写习惯的病历文书。 出院小结（预生成） 阳性报告总结 质控场景：AI辅助智能病历质控系统 面向临床病历书写和病历质量管理多场景，将AI辅助智能质控与传统规则质控相结合，依托大模型对医疗文书和病历书写规范的强大理解分析能力，实现深度病历内涵质控。在自然语言质控点的框架下，病历书写规范、病历评分标准即AI质控点，人工抽查的真实问题即AI质控点，让机器质控高度接替质控人员的工作。在临床端，医生不仅能够得到科学合理的质控建议，还能够了解AI的分析过程，加强对临床的干预和宣贯。整体上实现从“事后审查”到“事中干预”的转变，促使病历质量管理效能提升。 自然语言质控点知识库 医生端交互 AI质控结果清单 04 科研场景：AI辅助智能科研专病平台 面向科研场景，基于大模型自然语言分析和图片识别能力，提取标准化的科研数据。依托AI识别，医生可以按早期设想完成智能纳排预筛，持续探索专病研究方向，并在实践中迭代改进。 智能纳排预筛 异构数据结构化解析-肺功能报告

（三）临床决策支持系统

场景描述： 医生进行疾病诊断和制定治疗方案。 智能体应用： 辅助诊断：分析患者的电子病历、影像学报告（X光、CT）、病理切片和基因组数据，基于最新的医学文献和临床指南，为医生提供鉴别诊断建议，提示可能被忽略的疾病。 治疗方案推荐：结合患者的具体情况，推荐个性化的、基于循证医学的治疗方案（如用药选择、手术方式、放疗靶区），并对比不同方案的优劣。 医疗安全哨兵：实时监测医嘱，预警药物相互作用、过敏史冲突、剂量错误等潜在风险。 参考案例： 大语言模型(LLM)智能体框架的高层概述 在20个现实临床病例的验证中，该AI代理系统能够有效调用相关工具，处理多模态数据，准确达成临床决策。与传统的GPT-4模型相比，集成后的AI代理将决策准确率从30.3%提升至87.2%。此外，系统还能引用相关医学指南，确保治疗方案的科学性与准确性。 智能体在患者病例评估中的流程细节 Llama - 370B、Mixtral 8x7B(均为开放权重模型)和GPT - 4 (专有模型)的工具使用基准测试

（二）诊疗全程智能助手

场景描述： 患者从就诊到康复的全过程。 智能体应用： 智能预问诊：在医生接诊前，通过多轮对话详细收集患者的主诉、现病史、既往史等信息，生成结构化的病历初稿，供医生核实，节省问诊时间。 虚拟陪诊师：在医院内为患者提供导航，指引其去往下一个检查科室，并解释检查注意事项。 治疗方案解读与依从性促进：用通俗易懂的语言向患者解释复杂的治疗方案、手术风险和用药说明，确保患者充分理解并配合治疗。 参考案例： 贵阳朗玛信息：C端-小程序39AI全科医生界面

（一）个人健康管家

场景描述： 慢性病（如高血压、糖尿病）患者、亚健康人群或普通人的日常健康管理。 智能体应用： 个性化健康计划：根据用户的基因组学、生活习惯、可穿戴设备（如智能手表）数据，制定个性化的饮食、运动和睡眠方案。 用药提醒与依从性管理：不仅提醒服药，还能解释为何需要按时服药，并跟踪用药依从性，向医生或家属反馈。 异常预警与主动干预：分析连续监测的生理数据（如心率、血糖），在发现异常趋势时主动发出警报，并建议“联系医生”或“调整生活方式”。 智能问答与导诊：解答健康常识问题，并根据症状描述，初步判断可能的方向，推荐合适的科室。 参考案例： 个人健康智能体（PHA）的协作架构