Medical Copilot

一、面向医生：脑出血领域FAQ内容自动生成与问答案例

客户：强生

客户痛点：

目前内部积累了脑出血相关的各类资料，包括指南/文献/产品相关的介绍资料/视频等，目前给医生提供的服务还是传统信息检索的方式，医生的需求只能通过邮件的形式获得服务。希望提供Chatbot，但是考虑传统的Chatbot内容生产需要花费很多人力成本。

需要大模型解决的问题及技术难点

基于提供的各类资料，面向医生自动生成框架范围内的知识点，提升知识点的生成效率，同时还需要满足内容的合规性和准确性。

解决方案：

1、基于智能问答后台，优化大模型自动生成工具

2、提供上传文档、自动生成、内容校验与编辑的功能，形式知识库的内容生产流程能力；

3、语料管理、模型训练、推荐设置、发布上线的问答训练流程能力；

4、“脑出血领域”的问答Chatbot，快速生成内容，面向医生提供知识服务。支持用户自由输入问题，机器人及时给与回复，并溯源对应的参考文献，推荐相关的产品方案/视频等；

业务价值：

基于100份材料生成医学知识点内容，可生成1500个左右的知识点，知识点生成的效率从2个月缩短至2周左右。

二、面向赛诺菲的企业级医学信息智能知识库平台

客户：赛诺菲

客户痛点：

内部信息分散,外部信息获取困难,内外部资料无法有效整合。

资料无法传承,重复工作多效率低,存储、分享安全性低,耗费人工。

缺乏智能知识管理平台,无法有效积累集体智慧。

解决方案：

“小菲e用”作为赛诺菲企业级产品已上线近3年，底层构建全领域疾病，数十余种产品线的知识管理，上层面向内部员工和上万的基层医生提供智能问答和检索服务，月均数千个在线问题咨询并在未作推广情况下呈现稳定的访问趋势。知识量和用户访问量在持续增长中。

三、糖尿病领域的知识文档管理及AI问答

客户：默沙东

解决方案：

可爬取或者上传药品说明书、指南或者文献等各类医学资料，上传后基于大模型和语料库可自动提取主题和实体，支持医学校验。通过人机协同的方式，系统会建立资源库、标签库、知识库以及知识图谱。通过人机协同的方式,系统会建立资源库、标签库、知识库以及知识图谱。

业务价值：

推荐文档中的核心知识点问题，基于单篇或者多篇文档的提问，自动回复和精准溯源。针对回复的答案可以点赞、点踩和反馈。针对医药领域的专业名称和上下位关系,基于建立的医学知识图谱辅助大模型进行知识增强后实现更专业的问答。例如：针对DDI和ADR等医学专有名词，1型糖尿病分为FTID、经典性T1DM、缓发性T1DM等子类大模型并没有相关知识，通过医学知识图谱可辅助大模型的问题理解。

提问后,先展示原文段落，再选择性的进行总结回复，答案可以溯源定位，同时需要展示合规性话术等，确保场景落地的合规性。目前该解决方案已在部分药企落地使用。