Industry Solution
医疗健康：循证标准门禁化落地方案
循证医学本身就是一套制度能力——它定义了"什么算有效治疗"。本方案不另起炉灶，而是把 RCT、系统综述与指南的既有标准翻译成可计算的评测门禁，让 AI 的规模化生成落在循证边界之内。
一、行业的主要矛盾
医疗是证据强度要求最高、容错边界最窄的领域：一端是概率性的模型输出，另一端是患者的生命与医生的执业责任。
矛盾不在于”AI 能不能写一份听起来很像样的诊疗建议”——它能，而且很像样。矛盾在于：医疗的判断标准从来不是”听起来对”，而是”证据等级够不够”。随机对照试验、系统综述、指南推荐级别，这套东西构成了医疗领域的确定性骨架。
因此这里的落地命题只有一个：让模型的概率性输出，被既有的循证标准所约束。
二、既有的制度能力：谁在定义”什么算有效治疗”
循证医学本身就是制度能力。它定义了”什么算有效治疗”——不是经验，而是随机对照试验和系统综述。
- 证据分层：从专家意见到 RCT 再到系统综述/Meta 分析，证据等级决定了结论可被采信的程度
- 指南制定委员会：医生个人无法改变标准，但指南委员会可以——标准的制定权在制度机构手里
- 期刊审稿标准：JAMA、NEJM 这些期刊的审稿标准，本质上就是医疗领域的评测门禁——达不到方法与证据要求的结论，进不了正式的知识体系
这套制度能力的意义在于：医疗行业已经有门禁了。AI 落地不需要发明新标准，只需要把既有标准变成可执行的、可自动校验的门禁。
三、AI 进入后的冲突
| 冲突 | 表现 | 后果 |
|---|---|---|
| 生成 vs 证据 | 模型给出结论但不给出证据等级，看似权威实则无源 | 结论不可采信，反而增加核查成本 |
| 时效 vs 版本 | 指南持续更新，模型知识滞后且说不清依据哪一版 | 依据过期指南给出建议 |
| 规模化 vs 责任 | 生成速度远超人工核查能力 | 责任主体模糊，出事无人可追 |
| 通用 vs 个体 | 群体证据用于个体患者，合并症与禁忌被忽略 | 边缘场景风险集中 |
冲突的实质不是”模型不够强”，而是模型的输出格式与医疗的证据格式不匹配：医疗要求”结论 + 证据等级 + 依据版本”，模型默认只给结论。
四、落地路径：四道防线的行业映射
数据治理
- 证据源分级入库：指南、系统综述、RCT、专家意见分别标注证据等级
- 指南版本化管理：每一条建议绑定指南版本与生效时间，过期自动降权
- 术语与编码标准化：疾病、药品、检验项目映射到标准编码体系
- 隐私前置：患者信息脱敏与权限分级在检索之前完成
工作流编排
- 输出结构强制化：结论必须附带证据等级、来源、版本，缺项即不通过
- 检索锚定事实：生成必须基于已入库证据，不允许自由发挥
- 任务分流：文献综述、结构化整理等概率性任务交给模型；剂量计算、禁忌核对等确定性任务交给规则求解
- 分诊与辅助定位：AI 只做辅助，不参与诊断决策
AI 护栏
- 证据校验：结论无证据锚定即拦截
- 禁忌与相互作用校验：由规则系统独立复核，不依赖模型自觉
- 越权拦截：涉及诊断结论、处方建议的输出必须转人工
- 版本校验：依据的指南版本已过期即拦截
人机审核
- 分级设卡：科普与结构化整理抽检放行；临床相关结论由医生审核并签字
- 审核留痕：谁审、依据哪一版指南、改了什么
- 责任闭环：AI 负责规模化整理，医生负责关键判断与责任归属
五、评测门禁与指标
| 维度 | 指标 | 口径 |
|---|---|---|
| 可采信 | 证据锚定率 | 结论附证据来源与等级的比例，临床类要求 100% |
| 可控性 | 越权拦截率 | 涉及诊断/处方输出被拦截并转人工的比例 |
| 时效性 | 指南版本滞后天数 | 输出所依据指南版本与最新版的平均差距 |
| 安全性 | 禁忌漏检率 | 规则系统复核发现的模型遗漏比例 |
| 可审计 | 链路还原时长 | 任意输出还原证据来源、版本、审核人的耗时 |
| 效率 | 人工干预率 | 需医生修改或重写的输出占比 |
六、交付物与里程碑
交付物：证据库与分级规范、输出 Schema 与证据绑定机制、禁忌与相互作用规则集、审核台与留痕、合规与权限方案、运行看板。
里程碑
- 盘点期：梳理可用指南与证据源，确定证据等级口径
- 试点期：选一个低风险场景（文献整理、患者教育材料）跑通闭环
- 收敛期：护栏与规则集逐步厚实，人工干预率下降
- 放量期：规模化整理 + 医生关键判断兜底，责任闭环保留
七、前置条件与边界
需要机构提供：可用的指南与证据源、临床专家参与规则制定与审核、隐私合规的审查路径。
本方案不替代医生的临床判断，也不改变循证标准本身——它做的是让每一次输出都能说清”凭什么这么说”，把模型能力约束在制度能力之内。