在《医疗AI实验室》的当期实验中，我们把重点放在门诊检验报告的“二次解读”环节：患者拿到血常规、生化等报告后，常因箭头与参考区间产生误读，而医生复诊时的沟通时间有限。
我们的做法是让模型只做三件事：识别异常项、把异常项映射到常见临床意义、生成一句可供医生确认的追问建议。所有输出强制附带原始数值与参考区间，不下诊断结论，不推荐用药。
阶段性进展：
- 在约1200份脱敏报告的内部回放中，模型对“需优先人工复核”项目的召回率约92%，误报主要集中在生理波动区间（如轻度转氨酶升高）；
- 与检验科医师共建约300条表述模板，将“可能”“建议复查”等措辞分级，以降低不必要的焦虑。
下一步计划：接入结构化LIS字段以减少OCR误差，并测试多指标组合（如肾功能与电解质联动）的提示效果。我们更倾向把它定位为就诊前的沟通准备工具，而非替代医生判断。
评论