生物医学 · Verified Case

中医医疗行业:临床辨证诊疗与用药辅助

面向中医医院、专科门诊和临床科研团队的中医诊疗场景,依据 T/CIATCM 133-2025《中医临床诊疗数据知识图谱技术要求》,以 OntOS 六层架构统一承接患者、四诊信息、证候、疾病、治法、方剂、中药、处方、疗效和随访等核心语义。

关联本体 中医临床诊疗本体

案例背景

面向中医医院、专科门诊和临床科研团队的中医诊疗场景,依据 T/CIATCM 133-2025《中医临床诊疗数据知识图谱技术要求》,以 OntOS 六层架构统一承接患者、四诊信息、证候、疾病、治法、方剂、中药、处方、疗效和随访等核心语义。

案例描述

针对医疗机构数据孤岛、中医术语不一、名医经验难以结构化复用、辨证过程复杂、方药安全校验依赖人工和科研分析成本高等问题,接入电子病历、处方、检验检查和术语标准系统,通过 RDF/OWL/SWRL 三层语义网、NLP、知识图谱、RAG 和混合推理,形成四诊采集、辨证分型、方剂推荐、用药安全、医案结构化、知识问答、科研分析和患者全周期健康管理闭环。

四诊到证候语义贯通

将望闻问切、症状、舌象、脉象、疾病和体质统一映射到 L1 中医诊疗本体,形成可解释的辨证证据链。

辨证论治智能协同

以 L3 辨证分型、治则治法推理和方剂推荐能力,结合 L4 患者上下文与 L5 名医经验,为医师提供候选方案。

用药安全人工兜底

把十八反、十九畏、妊娠禁忌和剂量安全作为硬约束,异常自动告警,低置信度结果必须转医师复核。

项目案例

客户面对的问题

病案、处方、医嘱、检验检查和随访数据分散在不同系统,难以形成连续的临床语义链路。

同一症状、证候、方剂和中药存在异名或不同流派表述,术语不统一影响检索、统计和推理。

名老中医医案、古籍知识和临床经验主要以文档形式保存,结构化沉淀与复用成本高。

辨证、方剂推荐和十八反十九畏等用药安全判断依赖人工,年轻医师缺少稳定的证据链辅助。

项目案例

使用本体前后的变化

使用本体前使用本体后
电子病历、处方、检查和随访记录分散,诊疗过程难以跨系统追溯L2 将多源临床数据转换为 RDF 三元组并对齐 L1 患者、就诊、证候、方药和疗效语义。
症状和证候术语依赖医生个人习惯,异名影响知识检索和统计分析通过标准术语库、编码映射和实体消歧统一症状、证候、方剂、中药和腧穴表达。
辨证论治主要靠个人经验,名医医案无法在问诊时快速复用L3 能力结合 L4 患者上下文和 L5 医案、古籍、指南知识图谱,输出带证据链的候选证型与方剂。
配伍禁忌、妊娠用药和剂量风险需要人工逐味核查L5 规则引擎与 L3 安全能力先行拦截十八反、十九畏、妊娠和剂量风险,再交由医师确认。
中医临床诊疗闭环展示从多源临床数据、语义化接入、辨证论治、方药安全到医师确认和经验沉淀的完整闭环。
正在生成关系图…
中医临床诊疗本体关系图围绕患者、四诊、证候、治法、方剂、处方和安全校验,展示 L1-L6 之间的核心语义关系。
正在生成关系图…
中医临床诊疗时序图展示临床数据接入、本体实例化、上下文理解、辨证推理、知识检索、安全校验和医师确认的执行顺序。
正在生成关系图…
项目案例

本体域与业务的关联

中医临床事实如何统一?

L1 本体模型层

定义患者、临床就诊、病案、症状、证候、疾病、体质、四诊、治则治法、方剂、中药、处方、疗效和随访等核心概念及语义关系。

多源医疗数据如何语义化?

L2 语义接入层

接入电子病历、处方、检验检查和术语标准系统,通过 NLP 实体识别、标准编码、数据映射和 RDF 三元组完成异构数据互操作。

辨证论治能力如何编排?

L3 能力层

将四诊采集、临床文本理解、辨证分型、治则治法推理、方剂推荐、药物相互作用检测、医案结构化和知识问答注册为可编排能力。

患者状态如何动态理解?

L4 上下文层

维护患者画像、病情动态、诊疗场景、用药安全、临床时间线和随访上下文,随新就诊、处方和疗效反馈持续刷新。

医案与经典知识如何复用?

L5 决策与知识推理层

以知识图谱、OWL 推理、SWRL 规则、名医医案、古籍、临床指南和 RAG 检索支撑辨证、方剂、安全和科研分析,并返回证据链与置信度。

智能结果如何进入临床?

L6 应用层

提供智能诊疗辅助、知识问答、科研分析和患者服务应用,所有辅助诊疗方案保留解释、审计和医师确认,不替代临床判断。

项目案例

4 个应用场景

场景 1

四诊信息与辨证分型辅助

客户问题

四诊信息常以自然语言记录,症状、舌象、脉象与证候之间的关系依赖医师经验,结构化和复用效率不高。

本体做法

L2 将问诊文本、舌象和脉象对齐标准术语,L3 结合证候本体模式与 SWRL 规则生成候选证型、置信度和对应症状证据链。

应用效果

辨证结果从个人经验描述转为可检索、可解释、可复核的候选诊疗依据,目标辅助辨证准确率不低于 85%。

输出内容
  • 四诊结构化结果
  • 候选证型
  • 置信度
  • 症状证据链
场景 2

方剂推荐与用药安全校验

客户问题

从证候到治法、方剂和加减化裁涉及大量知识,十八反十九畏、妊娠和剂量风险需要逐味核查。

本体做法

L3 根据证候推理治则治法和方剂,L5 检索名医经验、古籍和指南,安全 Agent 对方剂组成、患者体质和禁忌进行硬约束校验。

应用效果

输出带方义、组成、来源、风险提示和医师复核要求的辅助方案,禁忌发现目标覆盖率 100%。

输出内容
  • 候选方剂
  • 君臣佐使解释
  • 配伍禁忌警告
  • 医师复核清单
场景 3

医案结构化与名医经验挖掘

客户问题

名医医案、古籍和临床记录以非结构化文本为主,难以批量抽取证候、治法、方剂和中药规律。

本体做法

通过临床文本理解和医案结构化能力抽取实体关系,映射到 RDF/OWL 本体后写入知识图谱,利用频次、关联规则和相似案例检索沉淀经验。

应用效果

把分散医案转为可查询、可推理和可持续更新的知识资产,支持临床科研和年轻医师学习。

输出内容
  • 结构化医案
  • 证-法-方-药关系
  • 名医经验图谱
  • 相似医案结果
场景 4

临床问答与患者全周期管理

客户问题

医师和患者需要查询方剂组成、证候解释、复诊注意事项和随访建议,但知识来源多且必须控制回答边界。

本体做法

知识问答平台使用图谱与 RAG 检索并引用来源,患者服务平台结合 L4 随访上下文提醒复诊、疗效记录和健康管理,低置信度问题转人工。

应用效果

知识问答准确率目标不低于 90%,同时保留引用依据、隐私控制和人工接管机制。

输出内容
  • 带引用问答
  • 复诊提醒
  • 随访记录
  • 人工接管记录
业务示意

典型闭环

当患者提交“恶寒、发热、无汗、舌苔薄白、脉浮紧”等四诊信息后,L2 将自然语言和诊疗记录映射为标准症状、舌象和脉象三元组;L1 形成患者与临床就诊实例,L4 补充体质、既往用药和病情上下文;L3 依据辨证规则生成风寒感冒证候候选,进一步推理辛温解表和麻黄汤;L5 检索古籍、临床指南和相似医案,安全 Agent 校验处方组成、配伍禁忌、妊娠状态和剂量上限;L6 将候选方案、证据链和风险提示交给医师确认,疗效及随访结果再沉淀为新的医案知识。

项目案例

项目交付成果

业务交付物

  • 患者、四诊、症状、证候、疾病、治法、方剂、中药和处方本体模型
  • 八纲辨证、治则治法、方剂推荐、十八反十九畏和妊娠用药规则集
  • 辨证辅助、方药安全、医案结构化、知识问答和随访服务流程
  • 名医医案、古籍、临床指南、术语标准和诊疗证据链知识库

平台交付物

  • 电子病历、处方、检验检查和术语标准系统语义接入与 RDF 映射
  • NLP、OWL、SWRL、知识图谱、RAG 和混合推理能力编排
  • 智能诊疗辅助、知识问答、科研分析和患者服务应用
  • 用药安全告警、医师复核、隐私脱敏、权限控制和操作审计看板
项目案例

业务价值

更准辨证

将四诊信息、证候模式和规则推理结合,辅助辨证准确率目标不低于 85%。

质量更清

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。

更快复用

把名医医案、古籍和指南转为可检索知识图谱,降低临床经验复用成本。

更强解释

智能结果附带症状证据、规则依据、知识来源和置信度,支持医师复核。

更全管理

连接就诊、疗效和随访记录,支持患者全周期健康管理与临床科研分析。

案例留言

围绕这个案例继续交流

公开展示审核通过的会员留言,帮助案例经验持续完善。

0 条公开留言
登录后参与留言案例留言仅面向已登录会员
0/1000
暂无公开留言

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。