百度 × 全诊 AI 预问诊与病历生成方案

通过千帆平台和医疗模型生成预问诊记录与病历草稿，并满足医院选择公有云或院内部署的需求。

中文 PDF · 147 页 · 11.9 MB2025 版 · 文件修订日期浏览次数8

适用对象

医院门诊、基层医疗、病历产品与院内 AI 集成团队

百度智能云与全诊的医疗案例围绕预问诊记录和电子病历草稿生成，介绍基础模型、训练推理平台和医疗场景模型如何组合。全诊拥有医疗客户及业务数据，需要支持中文医疗应用和不同医院的部署要求。案例由百度提供 ERNIE Speed 与千帆能力，全诊提供医疗模型及应用，服务于医院和基层机构的记录与问诊流程。

业务方向是将患者沟通与病历整理中的重复工作交给模型辅助。预问诊先汇集患者主诉、病史及相关信息，形成就诊前可查看的记录；病历生成将已有诊疗内容组织为草稿，供医生检查和使用。资料报告每日处理规模与书写效率，但没有公开完整输入样本和生成评价方法，因此应把案例数据与具体机构验证分别理解。

技术部分使用 ERNIE Speed 作为基础模型，在千帆平台开展医疗场景训练和效果验证。平台帮助客户组织训练与推理工作，医疗团队则提供场景知识和应用要求。模型能力需要通过业务流程呈现，实际使用仍要连接医院数据和医生界面，确保生成内容对应当前患者和正确的就诊信息。

部署提供公有云与院内一体机路径。前者使用千帆公有云平台支持训练和服务，后者将服务器、训练推理平台及全诊医疗模型组合交付，用于有院内数据管理要求的机构。案例介绍常州市第一人民医院的联合一体机应用，说明同一医疗产品可以依据医院条件采用不同服务组织方式。

对医院信息部门和医疗 AI 产品团队，这个案例的重点在于模型提供方、医疗应用方和最终机构之间的职责。需要明确数据从哪里取得、模型怎样训练和更新、草稿在哪里审核，以及不同部署下由谁维护计算和服务。文中没有说明使用者可以在没有授权或数据准备的条件下直接复制相同方案，也没有公开完整接口和资源规格。

案例把中文基础模型、训练推理工具和院内部署作为三个相互关联的条件。基础模型提供语言能力，医疗团队组织领域应用，平台和服务器支持运行。对于数据需要在院内管理的机构，交付内容也包含计算环境和维护责任。由此可以看出，病历草稿的使用涉及模型适配、系统接入和人员审核，完整方案需要这些条件共同满足。

本地保留的是完整跨行业案例集，医疗阅读入口定位全诊章节。章节中的符合率、一致性、病历质量及时间改善属于案例报告，不能直接推广到其他人群或院内流程。具体诊断、处方和病历签署由专业人员负责，生成内容需要核查事实、完整性和格式；采购及采用范围还需对应产品和项目资料支持。