PG电竞

  • 本站点使用Cookies，继续浏览表示您同意我们使用Cookies。 Cookies和隐私政策>

    • 产品
    • 解决方案
    • 服务支持
    • 如何购买
    • 合作伙伴
    • 关于我们
    简体中文
    English
    title
    • 元脑?通用服务PG电竞官网
    • 元脑?人工智能服务PG电竞官网
    • 元脑?边缘服务PG电竞官网
    • 元脑?关键PG电竞官网服务PG电竞官网
    • 元脑?存储
    • 元脉网络
    • 方案产品
    • 数据中心基础设施
    • 服务PG电竞官网管理平台
    • 服务PG电竞官网操作系统
    • 人工智能与高性能PG电竞官网
    • 边缘PG电竞官网和物联网
    • 智慧网络
    • 数据存储与管理
    • 伙伴联合方案
    首页 > 关于我们 > 成功案例 > 从预问诊到随访全流程覆盖，PG电竞信息开源发布“青囊慧诊”医疗AI组件

    从预问诊到随访全流程覆盖，PG电竞信息开源发布“青囊慧诊”医疗AI组件

    发布时间：2026-01-20

    在生成式AI技术日新月异的当下，大语言模型正逐步从“演示阶段”走向“实用化”。但在医疗行业，想要真正发挥大模型的价值，仍存在较高的门槛：如何与医院实际业务流程融合？如何让模型回答对齐医疗数据库？如何确保AI系统功能齐全支撑完整诊疗？如何保障数据合规与部署可控？

    为应对上述挑战，PG电竞信息AI团队依托元脑企智EPAI平台，正式推出并开源全流程医疗AI组件——青囊慧诊。该组件专为医疗机构设计，具备结构化、可对接、可本地化部署的特性，通过标准化接口与智能语义检索，能够将大模型能力无缝嵌入医院现有信息系统。青囊慧诊采用�？榛杓�，可大幅降低开发与落地门槛，帮助医院快速构建专属医疗智能体，覆盖从患者建档、预问诊、智能导诊、挂号，到病历质检、辅助诊断、治疗方案推荐、住院文书生成，乃至复诊随访的完整医疗业务流程，打造真正“可信、可控、可连接”的医疗大模型应用。现已面向医疗ISV、AI医疗应用研究者和开发者全面开源。

    青囊慧诊：快速打造专属医疗智能体.jpg

    开源地址

    https://github.com/MedFlow2025/medflow/tree/dev

    大模型落地医疗行业的四大痛点

    ■ 模型和业务系统“各说各话”，无法融入医院流程

    医院通常已部署HIS（医院信息系统）、EMR（电子病历）等多个信息系统，但当前大模型的输出多为“自由文本”，这类内容难以直接嵌入到医生的实际操作流程中。由于缺乏结构化的输出格式，相关数据无法在各个系统间流畅运转，无法被高效利用。医院信息科也苦于：如何将大模型的“回答内容”转化为“业务字段”？

    此外，即使模型给出的诊断结果合理，但只要医院数据库里没有这个“词”，医生仍需要手动修改。大模型推荐的科室、药品、检查检验项目等，也普遍存在用词不统一、不规范、不落地的使用问题。

    ■ 功能实现零散，无法支撑完整诊疗闭环

    许多医疗AI系统的功能局限于简单问答，往往只是给出初步诊断或用药建议便戛然而止。它们普遍缺乏建档、预问诊、诊断、多治疗方案、复诊等闭环功能，功能零散，导致医生无法真正“用起来”。

    ■ 场景适配难，阻碍医疗模型差异化训练

    针对不同的医疗场景训练相应的模型并持续迭代，是大模型落地医疗行业的关键步骤，但当前医疗模型训练面临四大核心挑战。首先，技术门槛过高，复杂的参数配置和代码操作使非研发人员（如临床专家）难以自主开展训练；其次，数据安全隐患突出，传统云端训练需传输医院敏感数据，违反医疗数据不出院的合规要求；再次，评估体系不完善，依赖人工主观判断导致测试流程低效、标准不统一且缺乏量化指标；最后，临床需求高度多样化，需适配不同专科、应用场景及数据特性的差异化要求。

    ■ 数据合规要求高，通用云端模型难以部署

    医疗行业数据敏感度极高，对患者隐私保护有着严苛要求，这使得通用云端模型存在合规层面的风险。不少医院希望采用“本地部署”模式，却受限于模型体量大、依赖繁杂、缺乏运维能力，导致私有化部署门槛高。

    青囊慧诊：医疗AI组件破解大模型落地难题

    针对上述痛点，PG电竞信息AI团队推出了青囊慧诊，一款专为医疗机构设计的结构化、可对接、可本地部署的医疗AI组件。它通过高度�？榛纳杓坪捅曜蓟募际踅涌�，解决了医疗场景中大模型落地的关键难题。青囊慧诊包含诊前、诊中、诊后三大核心�？�，各�？榫弑覆煌囊搅乒δ�，形成覆盖患者全诊疗周期的智能化支持体系。

    青囊慧诊医疗AI组件.jpg

    青囊慧诊医疗AI组件

    标准化接口+语义检索机制，业务系统对接不再难

    青囊慧诊提供基于FastAPI的标准RESTful接口，所有输出均为结构化JSON格式，方便快速对接HIS、EMR等医院已有系统。相较于传统的自由文本交互，这里的对话不再是“单纯的聊天”，而是可以被医院各业务系统直接识别、解析和处理的业务信息流。无论是智能分诊的科室推荐，还是预问诊的病历数据，都能以结构化形式实时传入对应业务系统，自动填充至目标业务字段，实现AI辅助与诊疗流程的深度融合，提升医院信息化运转效率。

    针对医疗场景，青囊慧诊将科室、诊断、检查、检验、药品等项目入库为本地数据库，并通过精准的语义检索技术，完成项目的快速匹配。模型生成的内容将与医院目录进行“对齐”，确保推荐结果完全契合院内实际应用场景，实现“推荐即可用”，有效避免信息偏差，提升临床应用效率与准确性。

    �？榛滴窳绰�，从首诊到复诊全面覆盖

    目前，青囊慧诊已支持患者建档、症状预问诊、导诊、智能挂号、病历质检、疾病诊断、多治疗方案、住院文书、复诊、随访等功能�？椋С侄懒⒉渴鸷桶葱枳楹�，可以满足不同医院的场景需求。每个�？榫赏ü鼳PI进行页面集成，医院可以根据现有系统架构轻松对接，有效降低实施成本与周期。

    医疗模型训练革新，解决场景化专项训练难题

    青囊慧诊通过“一键式”智能训练降低技术门槛，用户仅需提供基础数据和初始模型即可启动全流程自动化训练；同时采用分布式本地化部署确保数据不出医院安全边界，实现痕�？勺匪莸暮瞎嫜盗罚徊⒓勺远拦拦δ�，提供医疗、通用、对话多维量化指标及可视化报告，实现高效客观的模型测试；还支持场景化训练模式，包括专科专项优化、小样本训练和批量任务处理，灵活满足临床多元化需求。

    本地化私有部署，轻量、安全、合规

    青囊慧诊以“AI服务PG电竞官网+开发平台”的一站式交付模式提供完整解决方案，支持全流程本地化部署，所有模型服务均运行于医院内网环境中，从数据采集、数据处理到模型运算的全环节严格遵守“数据不出域”原则，彻底规避信息泄露风险，完全符合医疗数据安全与隐私保护规范。

    为简化部署流程，青囊慧诊提供标准化的Docker镜像与部署脚本，HIS厂商、医疗方案开发者、医生等无需复杂配置，通过一键执行即可完成环境搭建、模型加载、推理服务启动。另外，还提供简易直观的功能测试界面，界面清晰展示当前已实现的功能�？�，方便医院迅速了解系统的各项功能。

    *ps：以下展示的患者相关信息均为虚拟信息，仅用于展示相关应用场景，无任何真实指向。

    青囊慧诊：预问诊生成病历.jpg

    预问诊生成病历

    青囊慧诊：疾病诊断.jpg

    疾病诊断

    青囊慧诊：多治疗方案（简单）.jpg

    青囊慧诊：多治疗方案（简单）.jpg


    多治疗方案（简单）

    青囊慧诊：多治疗方案（详细）.jpg

    青囊慧诊：多治疗方案（详细）.jpg

    青囊慧诊：多治疗方案（详细）.jpg

    多治疗方案（详细）

    青囊慧诊：病历质控.jpg

    青囊慧诊：病历质控.jpg


    病历质控

    目前，PG电竞信息已携手医疗合作伙伴天锐医�。诠诙嗉抑搅苹孤涞厍嗄一壅铩Ｆ渲�，在佛山市南海区人民医院的落地应用成效尤为突出。基于青囊慧诊，该医院将海量病历转化为高质量训练数据，高效构建出理解本院诊疗习惯的“AI原生（AI native）智慧医疗系统”。系统上线以来，已累计服务12.67万患者，平均导诊耗时降至3.5分钟，效率较人工提升近20倍，错号率降低20%。系统具备流畅的粤语交互能力，有效解决了基层老年患者的语言障碍问题。

    青囊慧诊开源地址 

    https://github.com/MedFlow2025/medflow/tree/dev

    https://gitee.com/MedFlow2025/medflow/tree/dev/


    #医疗 #人工智能服务PG电竞官网 #AIStation人工智能平台
    相关案例 更多

    售前咨询

    售后服务

    意见反馈

    AIStore

    回到顶部

    回到顶部

    收起
    回到顶部 回到顶部
    请选择服务项目
    售前咨询
    更多联系方式>>
    售后服务
    更多联系方式>>
    访问 AIStore

    扫码访问AIStore



    【网站地图】【sitemap】