口腔电子病历AI辅助诊疗项目面向口腔专科医疗集团的日常接诊场景，把医生每日产生的电子病历作为核心对象，覆盖口述、病历、诊断、治疗方案、医嘱、收费项和医疗文书整条临床链路。项目资料显示，客户希望把分散在牙体牙髓、牙周、种植、正畸、儿童口腔等科室的诊疗知识、术语映射和质控规则，沉淀为可复用、可校验、可举证的集团级知识资产。
把口述、病历、诊断、治疗方案、医嘱、收费项和医疗文书串成可追溯的临床知识链，减少跨分院口径差异。
AI生成内容先经过概念白名单、逻辑一致性和治疗路径校验，不通过时转人工复核，避免错误进入正式病历。
诊断、治疗和收费编码携带术语映射、规则版本和出处，支持质控、医保稽核和医疗纠纷追溯。
牙体牙髓、牙周、种植、正畸、儿童口腔等科室各自维护模板，诊断名、牙位编码和收费项口径不一致。
同一颗46牙根管治疗在不同分院病历中可能出现多种写法，集团统一质控和医保编码映射需要先整理业务口径。
长文本病历生成容易丢失患者既往史、牙位、复诊治疗史和用药情况，医生仍需逐条人工核对。
大模型可能生成文本通顺但专业错误的内容，例如浅龋推荐根管治疗、未控制糖尿病患者安排择期种植。
生成后的病历如果只有文本，后续统计、医保编码校验、复诊追踪和诊疗结果分析都需要重新抽取。
传统事后审核难以给出术语、规则和标准出处，医保稽核或纠纷追溯时证据链不足。
| 使用本体前 | 使用本体后 |
|---|---|
| 病历模板和诊断表达分散在科室与分院，诊断名、牙位编码、收费项和文书要求需要人工统一。 | 本体统一患者、牙齿、检查发现、疾病诊断、治疗操作、就诊记录、医嘱、收费项和医疗文书之间的语义关系。 |
| AI直接根据长上下文生成SOAP文本，上一诊牙位、既往治疗和全身病史容易在复诊病历中丢失。 | 医生口述先被抽取为症状、牙位和检查发现，再实例化到本体，由推理结果约束病历草案生成。 |
| 幻觉主要靠生成后再审核，错误诊断或禁忌治疗可能在质控抽查、医保稽核或纠纷追溯时才暴露。 | Harness在入口执行概念白名单、逻辑一致性和路径合规校验，失败即阻止提交并转人工复核。 |
| 病历输出是给人读的文本，统计深龋到根管治疗、糖尿病合并牙周风险或医保编码正确性时需要重新解析。 | 输出SOAP文本的同时沉淀结构化语义断言，后续质控、检索、编码校验和治疗结果追踪可以直接查询。 |
建模患者基本信息、全身疾病、就诊记录和牙齿对象，牙位按ISO 3950等编码对齐，使46牙等临床表达可被稳定识别。
覆盖龋损、冷热刺激痛、自发痛、夜间痛、叩痛、探诊敏感、牙髓活力和牙周检查等客观发现，为诊断规则提供输入。
覆盖龋病、牙髓病、根尖周病、牙周病、儿童口腔、口腔黏膜病、修复、正畸和种植等诊断类别，并关联诊断要点。
把诊断连接到治疗方案、治疗步骤、医嘱、收费项和医疗文书，支撑从病历生成到费用编码的完整链路。
项目规则库覆盖诊断、治疗、全身疾病、编码、质控和风险评估，重点拦截不可复性牙髓炎直接充填、未控糖尿病择期种植等高风险场景。
诊断和治疗映射到OHD、SNOMED CT、ICD-11、CDT和医保编码，并记录规则版本、标准出处和医生确认结果。
医生每日接诊后需要把口述信息整理为主诉、现病史、检查、诊断、治疗方案和医嘱，手工书写耗时且格式不稳定。
先抽取症状、牙位、检查发现和患者病史，再由本体推理给出诊断与治疗约束，LLM只负责把已校验断言生成可读病历草案。
医生从写病历转为审病历，病历内容与结构化语义同步沉淀，减少后续重复抽取。
浅龋、中龋、深龋、可复性牙髓炎和不可复性牙髓炎在症状上接近，错误判断会直接影响治疗方案。
依据深龋、自发痛、冷热痛持续时间、夜间痛、叩痛和牙髓活力等发现触发诊断规则，给出可复核推理链。
临床建议不再只依赖概率生成，而是能说明为什么诊断为某类牙髓病、为什么不能选择某些治疗。
糖尿病、高血压、妊娠等全身情况常被写在病历文本中，但没有稳定参与种植、牙周维护和术前用药决策。
将全身疾病建成可计算对象，结合HbA1c等指标触发维护间隔、抗感染、择期种植禁忌和风险提醒。
全身病史从文本归档变成诊疗计算因子，医生能在病历生成阶段看到风险和处理建议。
文本通顺的错误方案很难靠事后抽查完全发现，例如不可复性牙髓炎直接充填、根管治疗后路径跳跃。
病历审单智能体调用Harness执行概念白名单、逻辑一致性和治疗路径校验，关键规则不通过时阻止提交。
质控从抽样事后检查前移到病历入口，错误诊断、禁忌操作和路径跳跃能被及时拦截。
治疗项目、牙位和收费编码如果无法解释，医保稽核时难以证明编码选择依据。
把治疗操作映射到CDT和医保编码，并通过牙位类别判断前磨牙、磨牙等收费项目适用范围。
每笔治疗收费可以追溯到诊断、牙位、操作和编码规则，降低人工查证成本。
医生追问治疗依据、医嘱内容或文书要求时，普通问答容易脱离标准出处，也难把医生确认结果反哺知识库。
知识问答智能体沿诊断、治疗方案、治疗步骤、医嘱、收费项和医疗文书链路检索，并把医生确认后的病历沉淀为黄金样本。
临床知识可以随真实使用持续积累，新增规则和经验能沿同一语义框架维护。
医生录入或口述“46牙冷热痛3天、夜间加重、探诊敏感”后，系统先识别46为右下第一磨牙，并把冷热刺激痛、夜间痛、探诊敏感和深龋等发现挂接到同一颗牙上。本体规则据此排除单纯浅龋或可复性牙髓炎，推理出不可复性牙髓炎，并给出必须根管治疗、禁忌直接充填、后牙根管后建议冠修复等治疗约束。病历草案生成时同步携带OHD、SNOMED CT、ICD-11、CDT和医保编码映射；如果医生选择直接充填或错误收费编码，病历审单智能体会给出质控告警并要求复核。
把复杂口腔知识转成患者、牙齿、检查发现、诊断、治疗、医嘱和文书等业务对象。
从一条诊断或收费编码可以追到牙位、症状、规则、标准来源和医生确认记录。
将病历要素、诊疗依据、质控规则、用药校验和复核意见统一留痕，目标关键病历字段完整率达到 98% 以上，质控规则核验覆盖率达到 95% 以上，异常定位时间压缩到 15 分钟内，复核闭环率提升至 95% 以上。
诊疗推理、病历审单和知识问答智能体通过MCP工具链接入现有医生工作站和质控流程。
医生确认后的真实病历进入黄金样本，规则和术语映射可以持续迭代。
公开展示审核通过的会员留言，帮助案例经验持续完善。
成为第一个围绕这个案例提出问题或分享复现经验的会员。