当前位置: 首页 > news >正文

武汉同济医院大模型应用通识第2课聚焦提示词工程,和鲸助力开讲

当前,医学与人工智能的深度融合正迎来历史性发展机遇。华中科技大学同济医学院附属同济医院(以下简称“同济医院”)作为医疗人工智能应用的先行探索者,已在电子病历辅助书写、科研数据分析、合同自动化审核等关键场景完成试点部署

基于此,同济医院大数据与人工智能办公室携手和鲸科技举办「同济医院人工智能通识课程」,旨在通过跨领域专家对话,通过跨领域专家对话解析创新路径,深度解析技术演进与医疗场景融合的创新路径。继 3 月 18 日首期课程聚焦医疗大模型核心价值后,4 月 18 日第二期课程由和鲸科技产品专家许以言主讲,以《医疗提示词工程实战:从对话到精准指令— 让 AI 听懂医疗需求》为题,吸引数百位临床医生、科研人员及医院管理者参与。

*首期课程内容可点此访问

提示词工程:连接临床思维与 AI 逻辑的关键纽带

同济医院大数据与人工智能办公室叶庆副主任在开场中指出,医疗提示词工程本质上是临床思维和 AI 逻辑的深度对话,无论是病例文书的规范生成、诊疗决策的精准推理,还是科研数据的高效分析,一个设计精良的提示词能够显著提升大模型输出的专业性和可靠性。许以言强调,提示词本质是引导 AI 执行任务的 “北极星”,通过结构化指令明确任务目标、执行步骤、输出标准,可显著提升大模型在医疗场景中的专业性与可靠性。

“大模型飞速成长的今天,医疗从业者还是否需要学习提示词技巧”?诚然,大模型能力的提升确实显著增强了其在医疗领域的应用潜力,但临床医生仍需要通过精准的提示词与 AI 协作。许以言从以下三个方面对为何需要学习医疗提示词展开了阐述:

01 各类任务具有独特规范和要求

一方面,医学任务有着严格且多样的规范标准。诊疗过程需遵循权威手册,学术论文报告撰写有结构化范式,不同刊物对格式、图表等均有明确要求,院内信息管理系统也有固定书写格式。大模型难以全面掌握这些标准,尤其是院内未公开的特定规范,而医护人员借助提示词,能精准告知大模型需参考的标准,确保任务执行合规。

02 大量临床经验模型难以习得

大模型通过公开成文数据集训练,而大量临床经验存在于医生实践中,难以通过预训练让大模型掌握。以分析症状病因为例,医生会结合患者自身特点、生活习惯、病史、用药史等逐步定位病因,大模型缺乏这种符合临床思路的推断能力,需要医生提供从哪些方面考虑的见解以定位问题。以医患沟通为例,有经验的医护人员会根据患者年龄、文化背景、教育程度等,以合适口吻下达医嘱。大模型没有针对不同对象给出合适话术的意识,只能给出通用内容。通过提示词告知大模型患者背景信息等,可使其从更合适角度表达医嘱,让患者更好接受。

03 医学场景容错率极低

当前大模型仍存在“幻觉”问题,难以做到 100% 精准输出。提示词如同“质量把关员”,能有效约束大模型的输出内容,避免其生成不准确甚至错误的信息,从而确保大模型在医疗场景中得出的结论更加可靠,为医疗决策提供坚实支撑 。

实战解析:从病历文书到数据分析的全场景应用

随后许以言以病历文书管理和数据分析为例,为参会人员展开多维度实战演示。

病历文书管理:规范审查与智能生成

01 入院记录优化

通过模拟三甲医院病案控制专员角色,向 AI 输入《入院记录书写规范》及真实病历样本,要求其从模块完整性(主诉、既往史、用药史等 7 大模块)、术语准确性(避免模糊表述)、格式规范性(时间记录标准化)等维度进行审查。AI 不仅能精准定位缺失项(如主诉未量化),还可提供修改建议并完成润色,助力医护人员提升病历质量。

02 病程记录生成

基于优化后的入院记录,AI 结合诊断逻辑(如病情评估、鉴别诊断、诊疗规划)自动生成首次病程记录。通过多轮追问(如 “是否考虑患者职业因素对病因的影响”),可进一步完善分析维度,确保结论严谨。

03 会诊记录总结

针对语音转写的会诊内容,AI 可快速提炼讨论背景、病情要点、专家观点及诊疗方案,形成结构化纪要,提升医疗协作效率。


临床研究数据分析:质量把控与智能建模

01 数据质量审查

以新型降压药疗效对比研究为例,AI 对包含患者基线特征、疗效指标的数据集进行自动化检查,识别异常值(如血压值逻辑错误)、编码一致性问题,并生成可视化分析报告,为后续统计奠定基础。

02 统计分析辅助

基于预设的主次要结局变量(如收缩压达标率、舒张压差值),AI 可推荐合适的统计方法(如卡方检验、t 检验),生成代码并解读结果。通过 “通俗化转述” 指令,复杂统计结论可转化为临床易懂的自然语言,降低跨学科沟通成本。


另外,许以言特别强调,医疗提示词应用需遵循两大核心原则,即 STAR 框架原则与安全使用原则。STAR 框架强调从场景、任务、行动、结果拆解复杂任务,结合指南、案例等背景资料提升指令精准度。使用公网数据时,一方面要避免患者隐私信息上传公网,建议在院内私有环境执行敏感任务;另一方面,AI 输出需经医护人员专业审核,禁止直接作为诊疗依据。

课程最后,许以言总结道,设计提示词时需先明确任务目标与边界,针对复杂任务可拆解执行步骤以引导模型操作;同时,可提供书写规范、正反案例等背景资料,通过限定输出格式避免冗余内容生成;此外,需通过多轮追问验证结论可靠性,建议从文献检索、患者随访记录等小场景入手实践设计,亦可借助 DeepSeek 等大模型辅助优化指令逻辑。

AI 不改变医疗的本质,但将重新定义医疗的生产边界。和鲸深耕智慧医疗与数据科学领域多年,并携手同济医院打造了医院科研管理服务一体化平台,有效降低了科研门槛,减轻了科研负担,加速了科研进程。未来,同济医院将联合和鲸科技共同打造一系列医疗人工智能通识课程,围绕智能体技术、多模态数据融合等前沿方向展开,推动 AI 从辅助工具向深度协作伙伴进化,提升医疗服务效率与质量。

和鲸已助力同济医院建设科研管理一体化平台,助力研究型医院建设,您可点击这里了解平台更多建设详情,或联系和鲸工作人员

相关文章:

  • 如何搭建spark yarn模式的集群
  • Centos小白之在CentOS8.5中安装Rabbitmq 3.10.8
  • DSP48E2 的 MAC模式功能仿真
  • 线段树合并与分解
  • 从外卖大战看O2O新趋势:上门私厨平台系统架构设计解析
  • power bi获取局域网内共享文件
  • Kubernetes》》k8s》》Taint 污点、Toleration容忍度
  • dummy cli-tool ubuntu22.04使用
  • QT:自定义ComboBox
  • MySQL 表的约束(二)
  • vs2022解决 此项目需要MFC库。从visual studio安装程序(单个组件选项卡)为正在使用的任何工具和体系结构安装他们问题
  • 【AI生产力工具】Windsurf,一款AI编程工具
  • 目标检测YOLO实战应用案例100讲- 无人机平台下露天目标检测与计数
  • 新能源汽车声纹监测技术的发展趋势是什么?
  • [Linux运维] [Ubuntu/Debian]在Lightsail Ubuntu服务器上安装Python环境的完整指南
  • ETL架构、数据建模及性能优化实践
  • 开源模型应用落地-全能音频新纪元-Kimi-Audio-7B-Instruct-重塑多模态交互边界
  • 网络原理 - 10(HTTP/HTTPS - 1)
  • LBS服务(基于位置的服务)与LLM(大型语言模型)交互功能分析
  • 为什么PPT中的视频无法播放?
  • 挤占学生伙食费、公务考察到景区旅游……青岛通报5起违规典型问题
  • 人民日报头版:上海纵深推进浦东高水平改革开放
  • 上海未来亚洲研究会第六届会员大会举行,叶青当选会长
  • 谭秀洪任广西梧州市人大常委会党组书记,此前任北海市委常委
  • 东阿至聊城公交票价取消八折优惠:运行成本高昂
  • 人民日报:外卖平台应保障好骑手就业权益,消除后顾之忧