unisound-med-treat

🧪 智能专病诊疗方案辅助

基于医疗大模型的专病诊疗方案制定技能,为临床决策提供规范化诊断要点与治疗原则建议框架,需严格遵循合规流程使用。

收藏
2k
安装
471
版本
1.0.0
CLS 安全扫描中
预计需要 3 分钟...

使用说明

核心用法

本技能为专病诊疗方案制定工具,通过调用内部医疗大模型 u1-insuremed 生成诊断要点、检查与治疗原则的规范化建议框架。支持三种题目输入方式:命令行直接传入 --question 参数、通过 --input 指定文件路径(支持 .jsonl、.json 及纯文本格式)、或从 stdin 读取输入。输出默认可解析 JSON 格式,包含状态、问题、答案等结构化字段,也可通过 --text-only 仅输出纯文本答案。

显著优点

1. 临床规范化输出:针对病历摘要生成标准化的诊断与治疗建议框架,有助于提升临床决策的规范性。
2. 灵活的输入适配:支持多种输入格式(JSONL、JSON、纯文本)和读取方式(文件、stdin、命令行参数),便于集成到不同业务流程。

3. 可独立部署:仅含 scripts/run.py 单文件,可独立拷贝部署,降低集成复杂度。

4. 可控的模型参数:支持自定义模型端点、温度参数、系统提示词等,适应不同场景需求。

潜在缺点与局限性

1. 非正式诊疗决策:明确标注输出仅为模型辅助信息,不构成正式诊疗决策,临床医生需独立判断。
2. 依赖外部模型服务:需调用远程医疗大模型 API(默认 maas-api.hivoice.cn),存在网络延迟和服务可用性风险。

3. 鉴权密钥管理:强制要求 --appkey 参数,密钥管理和轮换需调用方自行负责。

4. 患者数据脱敏责任:涉及真实患者数据时,脱敏处理完全依赖调用方,技能本身不提供数据脱敏机制。

5. 模型输出不可控:大模型生成内容可能存在事实性错误或过时医学知识,需人工复核。

适合的目标群体

  • 医疗机构信息化部门:用于集成到院内临床决策支持系统(CDSS)。
  • 医学科研团队:快速生成标准化诊疗框架用于研究设计或文献整理。
  • 医疗 AI 产品经理:构建智能问诊、预诊分诊等场景的 MVP 验证。
  • 医学教育培训:作为教学辅助工具,展示规范化诊疗思维框架。

使用风险

1. 合规与法律风险:医疗领域监管严格,模型输出若被误用为正式诊断依据,可能引发医疗纠纷或法律责任。
2. 数据安全风险:患者数据在传输至外部模型服务前若未脱敏,存在隐私泄露风险。

3. 服务依赖风险:模型 API 的稳定性、响应延迟直接影响业务连续性。

4. 模型幻觉风险:大模型可能生成看似合理但医学不准确的建议,需配备专业医生审核机制。

unisound-med-treat 内容

scripts文件夹
手动下载zip · 6.9 kB
run.pytext/plain
请选择文件