灵鹊一基于AI大模型的医疗辅助系统

然而，灵鹊 Health 采用了动态知识更新的机 地获取和整合最新的医学知识和案例。系统通过与医学数据检索库的紧密连接，能够不断地从库 经验。同时，大型语言模型（LLM）的持续学习和优化也为系统的知识更新提供了有 够始终保持与时俱进，为医生提供最新、最准确的医学知识和建议。

3.个性化辅助决策

在传统的医疗信息系统中，由于技术的限制，系统往往只能提供一般性的建议和指导，难以满足医生在个性化辅助决策方面的需求。医生在面对每个患者时，都需要根据患者的具体情况和症状进行个性化的诊断和治疗。然而，传统系统往往无法提供足够的支持和帮助。

灵鹊Health 通过引入大型语言模型（LLM）和医学数据检索库的结合，实现了个性化辅助决策的功能。系统能够根据患者的具体情况和症状，从检索库中检索出相关的医学知识和案例。然后，利用大型语言模型（LLM）的生成能力，系统可以生成个性化的诊断和治疗建议。这些建议不仅考虑了患者的具体病情和症状，还参考了最新的医学研究成果和临床经验。因此，它们具有很高的针对性和实用性。医生可以根据这些建议制定更加个性化的治疗方案，从而提高治疗效果和患者的满意度。

此外，灵鹊 Health 还可以根据医生的反馈和患者的反馈进行持续优化和改进。这使得系统能够不断地提高自己的辅助决策能力，为医生提供更加准确和有用的建议。同时，患者也可以从这种个性化辅助决策中受益，获得更加精准和有效的治疗。

4.多模态输入

在传统的医疗信息系统中，由于技术的限制，大部分只能以文本形式进行表述，AI 的考虑途径和资源有限，只能依靠关键词来大致辨别病情的方向，使得传统医疗信息系统导出的结果可能有失偏颇，从而会影响用户的情绪和误导用户对自身健康的估测，做出错误决策。

而灵鹊Health 采用多模态输入的方式，可以使用图片将病历单中的数据和专业词句以患者可以理解的语句进行阐述病情结果和给予诊断建议，此外上传的是 CT 图可以根据图片的情况自动识别CT 图像中的病变，给予相应的诊断结果，利用多模态输入可以更高效的完成各种复杂的病理分析给出更准确的诊断结果，远程化的解读大大地降低了用户与医院的时间空间滞留性。

5.智能化分析

在传统的医疗信息系统中，由于技术的限制，对于肺部、眼部、脊椎等专项器官分析方面单一化，识别范围小，未能探寻深层病理，从而导致结果分析存在官方语言普遍化，未能给患者切实的诊断建议，需要去线下分析诊断，使得患者浪费了时间和精力。

而灵鹊Health 采用智能化分析，通过大量的算法可以将原来拍摄的二维图转变成真实的三维形态，提取内部的生理结构并评估内部风险，分割测量神经盘、分割血管计算动静脉壁形态参数、分割网膜区检测血斑等方面进行多方面多角度进行评估，然后切实给患者综合科学的治疗方案和风险评估，智能化分析的实现能够高效地检测出许多隐性的病情，从多方面的深度分析能够更加准确的给患者提供一个真实有效的评估，大大降低了医生与患者交流的，盲导性和交流时长。

参考文献：

[1]吕应博，杜康平，刘剑钊.从多模态医疗大模型到高阶综合医疗智能体的架构与路径分析[J].信息与电脑，2025，37（18）：65-67.

[2] 朱 文 珍 . 人 工 智 能 大 模 型 在 医 疗 健 康 领 域 的 应 用 现 状 与 展 望 [J]. 中 国 医 学 影 像 技术，2025，41（08）：1195-1199.DOI：10.13929/j.issn.1003-3289.2025.08.001.

[3]王菁，陈炜，冯东.人工智能大模型对医疗健康行业的影响探析[J].现代医院，2025，25（05）：759-763.

[4]李晓瑛，刘宇炀，罗妍，等.医疗大语言模型幻觉问题剖析及缓解机制研究[J].中国卫生信息管理志，2025，22（01）：8-13.

基金项目：2024 年度国家级大学生创新创业训练项目 编号：S202412608004