项目背景

慢性创面（如糖尿病足、压疮）在我国基层医院高发，但专业创面评估能力严重不足，患者常因延误治疗导致严重并发症。

技术方案

  • 创面图像 AI 评估：基于深度学习的创面面积、深度、感染风险自动评估
  • 个性化换药方案生成：结合患者病史、创面特征，AI 推荐最优换药方案
  • 愈合趋势预测：动态追踪创面变化，提前预警愈合不良风险
  • 轻量化部署方案，基层医院无需高端 GPU 即可运行

核心成果

指标结果
创面评估准确率91.2%
愈合预测准确率88.5%
基层医院部署周期≤ 3 天

荣誉资质

本项目入选「兴智杯」全国人工智能创新应用大赛优秀成果，已在 30+ 基层医院试点部署。

AI 技术实现深度解析

大模型接入层

统一 LLM Adapter 接口（支持 OpenAI / 文心一言 / 通义千问 / Claude），配置化热切换模型。Token 用量实时监控（按用户/会话维度统计），超预算自动熔断并告警（企微机器人）。Prompt 版本管理（Git 式 diff 对比），线上回滚 < 10s。

向量检索系统

text-embedding-3-small 生成 1536 维向量，Milvus 2.3（HNSW 索引，`ef`=200）存储 200w+ 知识片段。多路召回：向量相似度 Top-5 + BM25 关键词加权 + Cohere Rerank 重排，最终取 Top-3，准确率 92.4%。

Prompt 工程

四阶段 Prompt 链：意图识别（Few-shot × 8 示例）→ 知识检索（Top-3 向量片段）→ 上下文组装（Token 预算 6000）→ 答案生成（temperature=0.3）。支持用户反馈「点赞/点踩」闭环，低分回答自动进入人工审核队列。

效果监控体系

会话级埋点：首 Token 延迟（P95 < 2.1s）、拒答率（6.2%）、满意度评分（平均 4.3/5）。高频无效问题聚类（DBSCAN）自动生成知识库补充建议。A/B 测试框架：不同 Prompt 版本流量按比例分配，3 天自动收敛至最优版本。

核心技术栈： OpenAI API LangChain Milvus Python 3.11 FastAPI Vector DB