- 综合排序
- 最热优先
- 最新优先
- 来自专栏HyperAI超神经
李飞飞团队 AI4S 最新洞察：16 项创新技术汇总，覆盖生物材料医疗问诊……
GPT-4 Medprompt 准确率超过 90% 微软研究团队开发的 GPT-4 Medprompt，在 MedQA 数据集（美国医师执照考试题）上，让 GPT-4 的准确率首次超过 90%，超越 BioGPT 与在 Med-PaLM 2 模型中专家手工制作的思维链示例相比，GPT-4 生成的思维链基本原理更长，而且分步推理逻辑更细粒度。 * 选项洗牌集成：GPT-4 在做选择题时，可能会存在一种偏见，就是不管选项内容是什么，它会偏向总是选择 A，或者总是选择 B，这就是位置偏差。 为了减少这个问题，研究人员选择将原来的选项顺序打乱重排，然后让 GPT-4 做多轮预测，每轮使用选项的一个不同排列顺序。 结果显示，经过多步优化的 GPT-4 模型变种在正确率上达到了 65.0%，总体上比其他 LLM 更受青睐。
1.4K11编辑于 2024-05-13 AI病史采集教学与考评系统：培养“问诊高手”的智能教练
而现在，AI病史采集教学与考评系统正在改变这一现状。医学教育的痛点与突破病史采集是诊断的第一步，也是最重要的环节。传统教学中，一位老师无法同时指导数十名学生，患者也不愿反复接受新手问诊。 智能纠偏与引导如果学生遗漏关键问题，系统会适时提醒；当提问方式不当时，AI会示范更专业的问诊技巧。就像有位资深导师在旁实时指导。 问诊路径图谱基于知识图谱技术，系统为每个病例构建了标准问诊路径。学生的提问顺序、重点把握能力都能被可视化呈现，薄弱环节一目了然。 而AI系统能够评估整个问诊过程：问题设计的逻辑性关键信息的覆盖度沟通技巧的运用医患关系的建立诊断思维的体现系统生成的评估报告不仅给出分数，更提供个性化的改进方案，帮助学生明确提升方向。 未来展望随着技术迭代，未来的AI病史采集系统将更加智能化：能够模拟更复杂的医患场景，提供更多元的考评维度，甚至与VR技术结合创造沉浸式训练环境。AI病史采集教学与考评系统正在重塑医学教育模式。
28110编辑于 2025-10-25AI问诊推荐医生系统如何实现智能匹配与精准分诊？
一、整体架构逻辑推荐医生系统核心分为四层：症状结构化层医生标签体系匹配评分算法实时调度机制流程如下：用户输入症状 → AI结构化 → 生成疾病标签 → 匹配医生标签 → 综合评分排序 → 推荐前N名医生二 Doctor> filterByDepartment(String department) { return doctorMapper.findByDepartment(department);}如果AI 七、最终推荐流程汇总完整流程：用户输入症状AI结构化解析生成症状标签根据科室过滤医生计算匹配分按综合评分排序返回前3名推荐医生这才是真正的“智能推荐”。八、商业价值在哪里？ 技术做对了，商业价值自然体现：提高问诊转化率减少误分诊投诉优化医生资源配置提升患者满意度医院得到的是：更高的接诊效率更均衡的医生负载更稳定的线上运营能力结尾AI问诊推荐医生系统，本质不是排序算法，而是一个
20210编辑于 2026-02-26互联网医院AI问诊高并发场景下的性能优化方案
在做互联网医院系统时，很多团队一开始关注的是功能是否完整：AI问诊、智能分诊、医生接诊、电子处方、在线支付。但真正决定系统“能不能扛得住”的，是高并发场景下的性能设计。 尤其是AI问诊模块，一旦推广到多医院、多科室、多城市，用户同时在线发起问诊请求，系统就会面临： 瞬时高并发请求 大模型推理耗时长 数据库读写频繁 会话上下文存储压力大 处方、订单等核心数据一致性要求高如果架构设计不到位 、数据库层优化：分库分表 + 索引优化AI问诊的聊天记录、问诊记录数据量极大。 五、线程池优化：避免线程爆炸AI问诊如果使用默认线程池，很容易耗尽资源。 真正成熟的互联网医院AI问诊系统，一定是为峰值流量而设计的，而不是为日常流量而设计的。
21110编辑于 2026-02-25AI问诊系统开发架构解析：大模型 + 医疗知识库如何落地
但很快就会踩坑： 大模型胡乱回答医疗问题（幻觉严重） 回答不可控，无法做分诊 无法沉淀为结构化病历 数据合规风险高 所以真正能上线商用的 AI 问诊系统，一定不是“纯对话机器人”，而是： 大模型 + 医疗知识库 + 分诊规则引擎 + 医疗业务系统 的组合架构 本文从 系统架构 → 核心模块 → 关键代码实现 → 落地经验，完整拆解一套可商用的 AI 问诊系统开发方案。 一、整体系统架构设计推荐标准分层架构：用户层（小程序 / App / H5） ↓问诊对话服务（Chat Service） ↓AI能力层 ├─ 大模型推理（LLM） ├ OpenAIclient = OpenAI()def ask_llm(prompt): res = client.chat.completions.create( model="gpt-4o-mini 八、总结一句话总结：真正的 AI 问诊系统不是 AI 多聪明，而是： 知识库是否权威 规则是否可控 数据是否合规 是否能接入挂号/处方/支付闭环 大模型只是“语言接口”，不是核心决策者。
39010编辑于 2026-02-11- 来自专栏腾讯大讲堂的专栏
在线问诊上线，轻微症状别恐慌
两种方式直达专家 小程序 微信城市服务设立发热问诊线上专区，多家医院通过小程序紧急上线问诊服务，解决大家的问题。 举个例子，武汉协和医院为了满足大量患者的在线问诊需要，在小程序上为患者提供免费发热问诊，上线两天已经接待了2万起问询。 ，更多提供在线问诊或咨询服务的医院正在逐步更新中。 企业微信 接入了企业微信的医院，可为医生配置在线问诊「联系我」二维码，并将二维码发布在医院公众号、官网或线下宣传海报。 ? 你可以用微信扫码添加医生为好友，不需要排队，直接问诊。 企业微信不仅支持文字问诊，还有音视频问诊、无消息自动结束问诊、拉群集中沟通与提供建议等功能，避免医疗资源浪费。 比如宜昌市中心人民医院，在线问诊上线后的四五个小时内，就有超过4000名市民进行咨询。
1.4K20发布于 2020-02-12 - 来自专栏生信宝典
ChatGPT当医生，谁敢来问诊
Large language model AI chatbots require approval as medical devices.
48630编辑于 2023-08-30 - 来自专栏NLP/KG
基于bloomz-7b指令微调的中文医疗问诊大模型，实现智能问诊、医疗问答
基于bloomz-7b指令微调的中文医疗问诊大模型，实现智能问诊、医疗问答 码源见文末 1.项目简介 本项目开源了基于医疗指令微调的中文医疗问诊模型：明医 (MING)。 智能问诊：多轮问诊后给出诊断结果和建议。 140k 基于结构化医疗图谱的知识问答 160k 多轮情景诊断与案例分析 基于HealthCareMagic构造的多轮情景问答与诊断 200k 21.52 基于USMLE案例分析题的格式化多轮问诊 4. 心率：您的心率处于正常范围。5. 糖尿病史：您没有提及是否有糖尿病史，如果有请及时就医。6. 4. 骨质疏松对生活有一定的影响，但通过合理的治疗和管理，可以减少骨折的风险，提高生活质量。5. 生活习惯方面，建议您母亲避免长时间保持同一姿势，尤其是久坐或久站。
74210编辑于 2024-02-22 互联网医院系统开发搭建全流程：AI医生问诊功能与实现逻辑解析
从预约挂号到在线问诊、远程诊疗，系统能力持续扩展。AI技术的成熟也推动了智能问诊的落地，正在改变传统就医方式。那么，从技术和功能实现角度看，互联网医院系统又是如何搭建开发？各个核心功能之间又如何协同？ 在上述流程中，AI智能问诊作为辅助模块，承担初步咨询、症状判断与分诊建议。二、AI问诊的作用AI问诊不是单独存在的，它其实是整个问诊流程中的一环。 系统会基于语义理解与医学知识，对信息进行初步分析，并给出建议，有些时候，AI还能做点“提前问诊”的活儿，先把关键信息给归纳好，这样医生就能更快地了解病情。 架构设计：搭建开发时，把问诊、订单、药品等核心功能划分成单独的模块，以后想加功能或者改功能都容易。功能开发：重点实现图文、视频、在线问诊等核心能力，并接入AI问诊模块。 AI问诊的加入，全面提高服务效率与响应速度。在未来，这种多功能融合、线上线下一起配合的模式，应该还是互联网医疗的主线走向。
1300编辑于 2026-04-16- 来自专栏量子位
“AI问诊就是抛硬币”！甚至漏掉67%病患，Nature都看不下去了
内容对AI在医疗领域的可重复性提出了质疑，呈现诸多医疗领域及场景中，AI自带的黑箱属性造成的隐患。 更值得关注的是，尽管问题存在，但AI仍在医疗领域大规模推广使用。 举例来看，数以百计的美国医院已在使用一种AI模型标记败血症早期症状，但在2021年，该模型被发现未能识别率高达67%。 所以，AI究竟带来了哪些医疗隐患，如何解决？ 继续往下看。 在医疗领域，AI用于诊断检测人体一直质疑声不断，Kun-Hsing Yu此番研究也是希望有个直观体感。 比如特定数据集中，医生给一个种族开的药比另一个种族多，这可能导致AI将病症与种族关联，而非病症本身。 另一个问题是训练AI中的“透题”现象。 除此之外，还可以请行业大佬们制定一个检查表，规范医疗AI领域的研究开发步骤。
45330编辑于 2023-02-28 基于腾讯云HAI + DeepSeek 快速开发中医辅助问诊系统
书接上文在上一篇文章，我们体验了腾讯云HAI + DeepSeek +腾讯云AI代码助手 ：零门槛打造AI代码审计环境，通过将DeepSeek模型部署在腾讯云HAI上，用户不仅可以绕过官网访问限制，还能够利用腾讯云的强大算力来运行复杂的 AI模型，如DeepSeek-R1 14B，极大地提升了工作效率并降低了成本。 {formData['tongueCoating']} 【脉诊】脉{formData['pulse']} 请给出：1.中医辨证 2.治疗原则 3.方药建议 4. border-radius: 5px; } #result { display: none; margin-top: 30px; padding: 20px; background: #f0f4f5 这个系统不仅能够帮助医生快速收集患者的病情信息，还能利用先进的AI技术提供诊断建议，为中医诊疗提供了新的思路和技术手段。
1.7K53编辑于 2025-02-08- 来自专栏CDA数据分析师
职业问诊 | 面试中被问到意向薪资时，该怎么回答？
比如说五险一金缴纳比例是多少，有没有其他的一些福利补贴待遇，知己知彼才能做到利益最大化。
55110编辑于 2022-06-28 - 来自专栏C博文
基于SpringBoot的智能问诊系统设计与隐私保护策略
智能问诊系统概述 智能问诊系统是基于人工智能、数据分析及信息技术等手段，通过网络平台为用户提供医疗咨询、初步诊断、健康管理等服务的系统。 1.1 智能问诊系统的功能 一个完善的智能问诊系统通常包含以下几个关键功能： 用户信息管理：用户注册、登录以及信息更新。 健康咨询：通过自然语言处理技术或问答系统与医生进行对话。 2.4 AI与NLP技术在智能问诊中的应用 人工智能与自然语言处理（NLP）在智能问诊系统中的应用，可以大大提高问诊效率和准确性。 AI算法通过分析用户输入的症状信息，结合医学知识库，为用户提供初步诊断。NLP技术则帮助系统更好地理解用户的自然语言输入。 4. 总结 智能问诊系统作为未来医疗服务的重要组成部分，凭借其高效性和便捷性，必将引领医疗行业的发展。然而，随着技术的不断进步，隐私保护的问题也变得愈加复杂。
37410编辑于 2025-07-14 - 来自专栏CDA数据分析师
职业问诊 | 面试中，被问到“离职原因”该怎么回答？
通常情况下，因为一些客观的普遍存在的现状和弊病，在大多数的时候， 我们是没有必要去强调的。
41420编辑于 2022-06-28 - 来自专栏C博文
医疗行业数字化转型：基于SpringBoot的智能问诊系统设计与隐私保护策略
2.2 核心功能 功能模块 主要功能描述 症状输入 用户输入症状，系统自动解析，并提供可能的疾病匹配 问诊引擎 通过AI匹配相关病症，并提供初步建议 医疗知识库 提供医学专业知识支撑，支持病症、药品、治疗方案查询 远程医生咨询 连接医生进行在线诊疗，实现实时问诊 电子病历管理 记录患者问诊历史，支持后续随访 隐私保护 采用加密、认证等机制，确保数据安全 数据分析 通过AI分析患者问诊模式，提供健康趋势报告 预约挂号 此外，还使用了AI技术对用户输入的症状进行分析，并结合医疗知识库进行智能推荐。 diagnosis = aiEngine.analyze(request.getSymptoms()); return ResponseEntity.ok(diagnosis); } } 4. 4.3 访问日志与风控 记录所有问诊请求，检测异常访问。 结合 AI风控 识别恶意用户，防止数据泄露。 5. 未来展望 5.1 医疗AI的发展方向 强化NLP能力，提升对患者输入的理解。
32500编辑于 2025-07-14 互联网医院AI问诊系统架构设计：从智能分诊到在线诊疗的完整链路
在多数互联网医院项目中，真正的瓶颈并不在「医生不够」，而在于： 无效咨询太多 分诊效率低 医生时间被基础问答占满 高峰期排队严重 这也是为什么越来越多平台开始引入 AI问诊系统，把 60%～80% 一个成熟的互联网医院AI问诊，并不是简单的“聊天机器人”，而是一条完整的医疗业务链路： 智能分诊 → 症状采集 → AI初筛 → 医生接诊 → 电子病历 → 处方 → 支付 → 药品配送 本文从 系统架构 ├─ 电子病历服务 ├─ 处方服务 ├─ 支付服务 └─ AI问诊服务（核心） ↓AI能力层 ├─ NLP模型 ├─ 症状知识图谱 ├─ 分诊规则引擎 └─ 大模型推理服务设计原则： AI ()def cache_answer(key, value): r.setex(key, 300, value)七、落地效果数据（典型项目实测）接入AI问诊后： 医生工作量 ↓ 50% 分诊准确率 如果你正在做： 互联网医院系统 在线问诊平台 医疗小程序 医药电商 + 问诊闭环 优先把 AI问诊 做成第一入口，效果往往比增加医生数量更直接。
1K10编辑于 2026-02-12AI与科学的双向革命：AI4Science与Science4AI如何重塑未来？
这不仅是对传统科研体系的颠覆，更宣告 AI与科学融合进入"双向赋能"新阶段 ：AI4Science（人工智能加速科学发现）与Science4AI（科学理论反哺AI创新）形成螺旋上升的结构性协同，重塑人类认知世界的方式 https://agents4science.stanford.edu/ 一、AI4Science：当人工智能成为科学发现的"超级引擎" 生物医疗领域：从"十年磨一药"到"数月出成果" 2025年5月， https://seedllm.org.cn/ 二、Science4AI：当物理、数学成为AI创新的"理论引擎" 物理学的馈赠：从自旋系统到神经网络 2024年诺贝尔物理学奖授予霍普菲尔德和辛顿，标志着科学理论对 范式**变革：AI从"执行者"变为"建议者"，与科学家形成平等协作关系 独立作者阶段 ： 全流程自主研究、多模态知识整合，如斯坦福Agents4Scie nce会议尝试AI作为论文作者 2. 数据与理论的融合：新科研范式的诞生，科学第四范式 《科学智能白皮书2025》指出，AI4Science正推动科研范式从"假设-验证"向" 数据-发现 "转变。
1.7K10编辑于 2025-08-27项目在GitHub上已获得约3600+star,探秘 ChatDoctor：LLaMA 微调后的 AI 医生，真能在线问诊？
嗨，我是小华同学，专注解锁高效工作与前沿AI工具！每日精选开源技术、实战技巧，助你省时50%、领先他人一步。免费订阅，与10万+技术人共享升级秘籍！ 代医疗资源分布不均、诊间时间短、AI 医疗产品不断兴起，医疗问答助手的需求痛点凸显。 医生资源紧张，普通患者排队漫长，初诊常见病重复问诊效率低。在线问诊缺乏权威依据，对症回复多靠通用模型，缺乏医学知识支撑。 （此处应显示对应截图，若页面已有无须复述）应用场景初步在线问诊/导诊：引导用户描述症状，提供就医建议。医学生训练辅助：模拟情景对话，提高诊断和问询训练效率。 其开源和社区活跃性赋予良好扩展潜力，是医疗 AI 领域值得尝试和部署的解决方案。项目地址：GitHub - Kent0n‑Li/ChatDoctor
34400编辑于 2025-06-25- 来自专栏活动盒子
用户激增，问诊量上升1000%，风口之下，在线医疗如何借势出局
3、优质医生资源稀缺，AI技术不足 丁香园创始人李天天近日透露，丁香园现有医生用户存量为200多万，但实际参与在线问诊的医生数量仅有1.5万多人：“比例不到1%”。 但鉴于AI技术和医疗大数据的不完善，AI医生还无法单独为患者提供诊疗服务，仍旧属于弱人工智能范畴，多集中于问诊或轻问诊，或者加上电子处方等。 4、医疗仍是低频 疫情的确给在线医疗行业带来许多新的用户和更高活跃度，这一点可以从各大在线医疗平台的数据得到印证。 AI产品“腾讯觅影”，可对700多种疾病风险进行自动识别与预测； （3）百度也押宝医疗AI，已发布AI眼底筛查一体机、智能分导诊、CDSS辅助诊断系统3款医疗AI产品； （4）微医则在市、县这一级，推出 4、打造全场景闭环能力 疫情让行业里的人看到了机会，但对大部分的做互联网医疗的公司来说，最要紧打造的还是从问诊到购药到履约全流程，覆盖诊前、诊中、诊后全场景的整体闭环能力，否则用户信任和使用习惯就很难建立起来
1.2K00发布于 2020-03-17 - 来自专栏数据和云
问诊白求恩 - RAC 节点参数不一致引发的悲剧
编辑手记：在Oracle RAC中，有一些参数是数据库级别的，所有实例都使用同一个参数值，有些参数是实例级别的，实例间可以设置不一样的值。然而，对于部分实例级别的参数，节点间设置不同却可能引发故障。
1.8K70发布于 2018-03-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号