（14683期）unisound-med-treat – 智能专病诊疗方案辅助

智能专病诊疗方案辅助 基于医疗大模型的专病诊疗方案制定技能，为临床决策提供规范化诊断要点与治疗原则建议框架，需严格遵循合规流程使用。 使用说明 核心用法 本技能为专病诊疗方案制定工具，通过调用内部医疗大模型 u1-insuremed 生成诊断要点、检查与治疗原则的规范化建议框架。支持三种题目输入方式：命令行直接传入 --question 参数、通过 --input 指定文件路径（支持 .jsonl、.json 及纯文本格式）、或从 stdin 读取输入。输出默认可解析 JSON 格式，包含状态、问题、答案等结构化字段，也可通过 --text-only 仅输出纯文本答案。 显著优点 临床规范化输出：针对病历摘要生成标准化的诊断与治疗建议框架，有助于提升临床决策的规范性。 灵活的输入适配：支持多种输入格式（JSONL、JSON、纯文本）和读取方式（文件、stdin、命令行参数），便于集成到不同业务流程。 可独立部署：仅含 scripts/run.py 单文件，可独立拷贝部署，降低集成复杂度。 可控的模型参数：支持自定义模型端点、温度参数、系统提示词等，适应不同场景需求。 潜在缺点与局限性 非正式诊疗决策：明确标注输出仅为模型辅助信息，不构成正式诊疗决策，临床医生需独立判断。 依赖外部模型服务：需调用远程医疗大模型 API（默认 maas-api.hivoice.cn），存在网络延迟和服务可用性风险。 鉴权密钥管理：强制要求 --appkey 参数，密钥管理和轮换需调用方自行负责。 患者数据脱敏责任：涉及真实患者数据时，脱敏处理完全依赖调用方，技能本身不提供数据脱敏机制。 模型输出不可控：大模型生成内容可能存在事实性错误或过时医学知识，需人工复核。 适合的目标群体 医疗机构信息化部门：用于集成到院内临床决策支持系统（CDSS）。 医学科研团队：快速生成标准化诊疗框架用于研究设计或文献整理。 医疗 AI 产品经理：构建智能问诊、预诊分诊等场景的 MVP 验证。 医学教育培训：作为教学辅助工具，展示规范化诊疗思维框架。 使用风险 合规与法律风险：医疗领域监管严格，模型输出若被误用为正式诊断依据，可能引发医疗纠纷或法律责任。 数据安全风险：患者数据在传输至外部模型服务前若未脱敏，存在隐私泄露风险。 服务依赖风险：模型 API 的稳定性、响应延迟直接影响业务连续性。 模型幻觉风险：大模型可能生成看似合理但医学不准确的建议，需配备专业医生审核机制。 原始说明 专病诊疗方案制定。由调用方提供题目文本或含 `question` 字段的结构化输入，经内部医疗大模型按题干约束生成作答；仅含 `scripts/run.py`，可独立拷贝部署。