为临床定制的
6 类医疗 AI Agent

三类客户,三种起点
临床科室
需要随访、预测、专病管理和科室知识库的科室。
- 常见定制
- 预测与决策 Agent、指南知识 Agent、患者随访与管理 Agent
- 已有案例
- 儿童近视守护 Agent、慢阻肺指南问答 Agent
临床 PI 与课题组
开展 IIT、真实世界研究和专病队列的研究者。
- 常见定制
- 科研数据 Agent、临床研究质控 Agent、统计与论文 Agent
- 已有案例
- 入组筛查与录入防错 Agent、统计与数据侦探 Agent
医疗机构与科研处 / 期刊
院级科研数据管理、稿件质量控制与多中心建库。
- 常见定制
- 多中心专病库、院内私有化部署、稿件统计核查
- 已有积累
- 多中心专病数据库建设、数据集标准制定、R-EDC 平台
科研数据 Agent
病历结构化 · 数据清洗 · 专病数据库
适用对象
手里有住院 / 随访病历、想做课题或建专病库的临床科室与 PI。
- 专病队列与课题数据整理
- 专科专病数据库建设
- 回顾性研究数据准备
- 预测模型前的数据治理
典型问题
- 病历是自由文本主诉、现病史、手术记录、影像结论没有固定格式,研究生只能逐份手工摘录。
- 结局指标漏填“是否术后感染”这类关键变量,病案首页常常漏填或没有直接写。
- 缺失多、格式乱门诊、住院、检验数据分散在不同系统,纵向随访缺失常见。
交付物
- 标准化专病数据库(Excel / CSV,或对接数据平台)
- 《变量编码字典》与加工规则说明
- 存疑记录清单与抽样核对结果
我们做什么:感知—记忆—推理—行动 + 专家在环
感知
读入病历文本、医嘱、检验与培养结果等多源数据
记忆
按研究方案制定变量字典,沉淀专家确认的加工规则
推理
大模型提取 + 规则校验;多表联合推理补全结局指标;按需用模型填补纵向缺失
行动
输出干净数据集与存疑记录清单,可直接分析、建模
相关案例
两个脏数据治理示例(模拟数据)
开发 Agent 之前,我们先结合临床知识与专家规则,把散乱数据加工成能直接做科研、训练模型的干净数据集。也可以去在线体验里自己改一改病历文字。
能力 A:病历自由文本 → 细颗粒度科研字段
大模型提取 + 规则校验医生自由书写的主诉、现病史和影像结论,被拆解、映射成逻辑清晰的科研数据库字段;存疑记录标出,交由人工复核。
| 科研字段 | 来源 | 提取结果 |
|---|---|---|
| 核心症状 1 / 持续时长 | 主诉 | 颈痛、手脚麻木 | 2.0 年 |
| 核心症状 2 / 持续时长 | 主诉 | 走路不稳 | 4.0 个月 |
| 进行性加重 / 时长 | 现病史 | 是(TRUE)| 3.0 周 |
| 责任节段 / 影像结论 | 外院 MRI | C4–C7 | 椎管狭窄 |
示例为模拟病历文本。实际项目按研究方案制定变量字典,可导出 Excel / CSV;提取结果抽样人工核对,存疑记录不自动入库。
能力 B:跨表复杂变量加工——“是否发生术后感染”
临床规则 + 多源证据很多关键结局指标,病案首页常常漏填或没有直接写。我们按专家确认的规则树,联合医嘱、血常规和培养结果来判定:
- 步骤 1 · 查医嘱表术后是否使用高阶抗生素?
- 未使用 → 判定:无术后感染
- 已使用 → 进入疑似感染核查
- 步骤 2 · 查血常规与血培养
- 白细胞 > 10×10⁹/L 且血培养阳性 → 判定:术后感染
- 步骤 3 · 查引流液 / 腹水培养及采样时间
- 培养阳性且采样在术后 5 天内 → 判定:术后感染
- 白细胞 ≤ 10×10⁹/L 且培养阴性 → 预防性用药 / 轻度疑似
- 其他情况 → 存疑,转人工复核
规则为示例。实际判定标准、阈值和时间窗由项目临床专家制定并书面确认。
主诉、现病史、手术记录、影像结论 → 科研字段
医嘱 + 检验 + 培养多表联合推理补全结局指标
按变量特点选择填补方式;纵向数据用模型逐年补全
变量编码字典、加工规则说明、存疑记录清单
预测与决策 Agent
疾病风险预测(如儿童近视守护)
适用对象
需要做专病风险预测、个体化预警和分层管理的临床科室。
- 眼科 / 视光门诊
- 儿童保健
- 慢病风险分层
- 学校与社区筛查
- 专病科研项目
典型问题
- 需要连续追踪很多慢病的发生与进展是长期过程,需要多年纵向数据。
- 需要个体化预警每个患者的风险和进展速度不同,医生需要分层管理依据。
- 多维数据难解读检查指标、生活习惯、环境与家族因素等变量很多,人工难以综合判断。
交付物
- 预测模型与评测报告(准确率、ROC 曲线、混淆矩阵等)
- 微信端 / 网页端个体化风险报告
- 医生审核后台(按需)
我们做什么:感知—记忆—推理—行动 + 专家在环
感知
微信端问卷 + 检查 / 检验数据
记忆
专病队列数据库与核心变量
推理
机器学习预测模型 + 专家规则,按人群分层建模
行动
生成个体化风险报告,提示需要关注的人群
相关案例
指南知识 Agent
专病指南问答与知识图谱(如慢阻肺)
适用对象
需要科室知识库、查房与规培教学的专科(如呼吸科、各内科专病)。
- 呼吸科
- 各内科专病诊疗助手
- 科室知识库建设
- 规培与基层教学
典型问题
- 指南更新快国内外指南(如慢阻肺 GOLD 报告)每年更新,英文文献多。
- 复杂患者拿不准如急性加重高风险伴嗜酸性粒细胞升高时,初始吸入用药怎么选。
- 经验难传承主任查房经验分散,规培生和基层医生难以系统学习。
交付物
- 医生端问答助手(网页 / 企业微信)
- 可视化专科知识图谱
- 知识库维护机制(随指南更新)
我们做什么:感知—记忆—推理—行动 + 专家在环
感知
科室收集的中文指南、英文共识与主任查房经验
记忆
专科知识库 + “症状—分级—检查指标—推荐用药”关系网
推理
检索相关原文段落,只在资料范围内组织回答
行动
给出带出处的回答;知识图谱节点可展开原文证据
相关案例
临床研究质控 Agent
入排核查 · 录入防错(如 IIT 多中心课题)
适用对象
在研临床课题组、多中心 IIT、专病队列与真实世界研究。
- 在研临床课题组
- 多中心 IIT
- 专病队列质控
- 真实世界研究
典型问题
- 误入组年龄超标、肾功能等指标不达标的患者被误收入组。
- 录入矛盾随访表前后矛盾,结题统计时才发现数据不可用。
- 人工监查成本高雇用临床监查员(CRA)逐条核对费时费力。
交付物
- 对接 REDCap 的自动核查服务
- 企业微信群告警卡片
- 质控报表(可用于课题组例会与监查)
我们做什么:感知—记忆—推理—行动 + 专家在环
感知
录入员在 REDCap 中保存表单
记忆
研究方案的入排标准与逻辑校验规则库
推理
表单保存后自动按规则核查入排与逻辑一致性
行动
异常告警卡片推送到课题组企业微信群,生成质控报表
相关案例
统计与论文 Agent
统计分析 · 投稿前数据核查(数据侦探)
适用对象
写论文的医生与研究生、医院科研处、医学期刊。
- 科室科研统计辅助
- 医院科研处
- 医学期刊社
- 研究生论文自查
典型问题
- 方法易选错如未检验正态性就直接使用 t 检验。
- 大模型会编数字让通用大模型直接“算数”,可能给出不存在的 P 值。
- 表格硬伤难发现科研处和期刊初审时,肉眼很难发现表格里的算术矛盾。
交付物
- 统计分析助手(网页端)
- 统计结果、图表与分析代码(可复核)
- 论文表格与数据一致性核查报告
我们做什么:感知—记忆—推理—行动 + 专家在环
感知
理解医生用自然语言提出的统计需求
记忆
研究设计与变量信息、方法学审查清单
推理
调用 R 语言实际运行统计分析、绘制森林图与基线表
行动
输出统计结果、图表与代码;上传初稿后列出疑似数据问题
相关案例
患者随访与管理 Agent
问卷采集 · 随访提醒 · 个体化报告
适用对象
专科门诊随访、慢病管理、临床研究受试者管理。
- 专科门诊随访
- 慢病管理
- 药械临床研究受试者
- 真实世界研究
典型问题
- 随访周期长专科随访、慢病管理和临床研究受试者的随访往往持续数月到数年。
- 靠人工提醒登记问卷发放、复诊提醒、用药登记多靠电话和表格,费时且容易遗漏。
- 失访难及早发现漏服、逾期随访和脱落,常常到统计时才被发现。
交付物
- 微信端问卷与提醒(小程序 / H5)
- 个体化报告
- 医生审核与随访管理后台
我们做什么:感知—记忆—推理—行动 + 专家在环
感知
微信端问卷采集(患者 / 家长自助填写)
记忆
随访计划、问卷结果与历次记录
推理
按医生确认的规则识别漏服、逾期随访与异常回答
行动
推送随访 / 用药提醒,生成个体化报告,提示医生或 CRC 跟进
相关案例
您的场景不在这 6 类里?
告诉我们您想解决的临床问题和现有数据情况,我们来评估能不能做成 Agent。下面是一个来自既往临床研究服务的方向。
循证共识 / 指南证据整理 Agent
共识与指南制定需要系统检索、筛查和评级大量证据。Agent 只做检索初筛、证据表整理与评级辅助;证据评级、推荐意见与德尔菲讨论由专家完成。
- 学会 / 专委会专家共识
- 临床实践指南
- 系统评价与证据梳理
您的科室,也有一个可以做成 Agent 的问题
告诉我们您想解决的临床问题和现有数据情况。评估免费,我们会如实告诉您它适不适合做成 Agent。