AI 能力
通用大模型谁都能调。真正决定 AI 在医患场景里有没有用的，是它知不知道该回答什么、不该回答什么，以及患者数据能不能合规地留在院内。
医疗场景的 AI，难点从来不是「能不能生成一段通顺的话」，而是边界在哪：哪些问题该答、哪些必须拒绝、答错了谁负责、数据能不能出内网。
所以我们做的不是给产品加一个对话框，而是把 AI 能力嵌进具体业务环节——问答接在患者咨询流程里，报告解读接在患者拿到检查结果的那一刻。
只基于已审核的患教知识库回答，不接外部实时搜索
超出范围的明确转人工，不猜、不编、不给结论
支持私有化，数据不出内网，不用于模型训练
都在患者健康管理 App 中，患者真实在用。下面写的是做法和边界——因为在这类场景里，敢说清楚不做什么，比宣称准确率更有意义。
患者在产品里就能问，不用去搜一堆看不懂的东西。
患者对疾病、用药、日常注意事项有疑问时，可以直接在 App 里提问。回答基于已审核的患教知识库，而不是全网检索——这是医疗场景和通用问答最根本的区别。
把检查检验报告上的指标，翻译成患者能理解的话。
患者拿到的是纸质单或 PDF，指标名称专业、参考区间看不懂、异常值只有一个箭头。这个能力把报告结构化，逐项说明是什么指标、当前值处于什么水平、参考区间是多少。
医疗数据不出内网，是这类项目能被批准的前提。我们支持私有化部署方案，由专门团队与合作方共同支撑。
下面这些尚未上线，写的是我们的判断和理由，不放效果数据。等真正跑起来再回来补。
把 SOP 随访从「按模板发消息」推进到「能接住患者回答」。现在患者回一句「最近有点头晕」，系统只能记录；理想状态是能追问、能判断严重程度、能决定是否升级给患管人员。
为什么这么判断 随访的价值在信息质量。模板化问答收回来的多是敷衍答案，真正有用的信息藏在患者的自由描述里。
患教内容的产能瓶颈在医学审核，不在写作。我们想做的不是让 AI 直接产出可发布内容，而是先出初稿、标注引用来源，把医学团队的时间从「从零写」变成「审和改」。
为什么这么判断 医学内容不能出错，所以人必须在环里。AI 的价值是压缩初稿时间，不是替代审核。
目前是指标级解读。下一步想做的是跨指标关联、结合用药记录看趋势、给医生端生成结构化摘要。
为什么这么判断 患者真正想知道的不是「这个指标偏高了」，而是「这和我最近的用药有没有关系」。单指标解读回答不了这个问题。
先聊业务场景：要解决什么问题、数据能不能出内网、谁来审核 AI 的输出。这三点定了，方案才谈得下去。
无论是医生学术、患者管理还是数据洞察，欢迎联系我们获取针对业务场景的方案建议与资源配置评估。