《医疗AI实验室》近期在基层门诊场景做了一组预问诊实验：让助手在医生接诊前完成主诉采集，把口语化描述转成结构化字段，并给出科室建议与红旗症状提示，但不输出任何诊断结论。
做法上，我们把问诊拆成「开放式主诉—定向追问—字段确认」三段，模型只负责追问与抽取，字段口径由临床医生定义。在 1200 例脱敏对话上，部位、时长、性质、伴随症状四类字段抽取 F1 约 0.89；科室建议 top-3 命中率 91%；预问诊后医生补录时间从约 3.5 分钟降到 1.6 分钟。
两点观察：
- 红旗症状的召回比精确率重要。阈值向高召回倾斜后误报率上升约 8%，但漏报更不可接受，宁可让医生多看一眼。
- 长尾主诉仍是短板。儿科与多症状叠加场景字段遗漏明显，单纯加长上下文收益有限，需要针对性的多轮追问策略。
下一步计划：接入多轮追问模板库，用小样本微调提升长尾主诉覆盖，并建立「置信度不足即转人工」的兜底规则，先在一家社区门诊开展为期四周的对照试用。
评论