目的:研发针对常见眼病的智能问答系统，并调查和评估其在互联网医院平台的应用效果，为医疗服务模式和技术创新提供借鉴。方法:利用自然语言处理技术研发常见眼病智能问答系统，通过对预先录入的结构化知识进行解析分词和关键词采集绑定等处理，经过搜索引擎为用户提供准确的问答内容。并通过功能、性能测试，完成互联网医院的部署。收集2020年2月1—29日期间使用常见眼病智能问答系统的数据资料，对患者的人口学信息、问诊时间、咨询疾病类别、咨询内容、服务评价等进行分析。结果:在中山大学中山眼科中心互联网医院成功研发出具有智能导诊服务和眼病术后智能咨询模块的常见眼病智能问答系统，测试结果表明智能问答系统的可重复性为100.0%，准确性为99.8%，可24 h持续在线服务。2020年2月1—29日期间中山眼科中心互联网医院常见眼病智能问答系统总服务患者6 462人次，其中男3 082人次，占47.7%，女3 380人次，占52.3%。患者的平均年龄为32.3岁。1 135例患者使用了智能导诊服务，占17.6%，5 375例患者使用了眼病术后智能咨询模块，占82.4%。平均每日使用常见眼病智能问答系统的患者为223人次，最高每小时服务74人次。分别有25.6%(38/148)和36.4%(54/148)的患者对常见眼病智能问答系统的服务效率表示非常满意和比较满意；24.3%(36/148)和37.8%(56/148)的患者对常见眼病智能问答系统的服务质量分别表示非常满意和比较满意。结论:常见眼病智能问答系统具有较高的可重复性和准确性。基于互联网医院平台的智能问答系统应用可满足患者24 h医疗咨询需求，降低医院交叉感染风险和医务人员的工作压力。

目的:探讨ChatGPT相关文献的研究热点，为推动护理教育教学改革提供参考。方法:采用CiteSpace软件对源于Web of Science核心合集数据库和中国知网纳入的ChatGPT相关文献进行计量学分析，包括发文国家、作者、机构、共被引期刊和关键词聚类等。结果:共纳入651篇英文文献和1 572篇中文文献。各国作者和机构存在一定合作；文献共被引期刊最多的为 Nature；研究热点主要围绕教育教学、智能传播和数字经济。 结论:基于ChatGPT的相关研究迅速攀升，各国之间的合作需进一步加强，研究人员已将ChatGPT应用于教育教学和传媒行业，以及推动数字经济发展。建议护理教育工作者未来可探索ChatGPT在虚拟仿真教学、智能教学评价以及智能问答平台等方面的应用，为推动数智教育提供参考。

目的 构建乳腺癌癌因性疲乏管理的知识图谱,为健康领域个性化推荐系统和智能问答系统的开发奠定基础.方法 采用 自顶向下的方法构建乳腺癌癌因性疲乏管理知识图谱.首先,采用文献研究法建立疲乏管理知识库,为图谱构建提供知识来源;其次,构建知识图谱的本体模式层,完成知识建模;再次,采用人工方法基于本体模式层对知识库中的内容进行知识抽取,并以三元组标准格式将非结构化文本数据转化为结构化数据;最后,采用MongoDB数据库和VUE前端技术实现知识图谱的可视化呈现.结果 共纳入11篇指南、4篇专家共识、6篇证据总结作为图谱的知识来源.图谱本体模式层包括8个实体类型和关系类型,人工抽取124个实体,形成121组三元组,最终完成乳腺癌癌因性疲乏管理知识图谱的可视化.结论 乳腺癌癌因性疲乏管理知识图谱以图形形式呈现疲乏管理知识脉络,能够提供知识存储和知识搜索功能.

目的 神经系统疾病具有诊疗复杂、类型多样、多数疾病患病率低等特点,为降低神经系统疾病基层医疗机构首诊难度,提升医院医疗服务质量和效率,开展面向神经病学的智能预问诊系统研究.方法 在构建的神经系统疾病循证医学知识图谱基础上,通过循证医学规则引擎和规则流,利用人工智能技术构建智能预问诊系统.结果 该系统采用人机交互的引导式问答方式采集患者病情、既往史等信息,自动生成预问诊报告发送给临床医生.上线应用的效果表明,该系统优化了医院诊疗服务流程,有效提高了医患沟通效率.结论 该成果未来可应用到各级医疗机构,实现医院优质专科诊疗经验下沉基层,辅助基层规范化问诊.

我国地震多发,地震灾害严重,积极推动防震减灾科普对增强公众防震和主动减灾意识具有重要意义.目前,地震科普内容、表现形式、丰富性和趣味性等方面仍存在很大不足,科普成效需要增强.利用人工智能技术和语言大模型,开发地震科普大模型,创新地震科普新方式,可增强科普互动性和趣味性,丰富科普内容.地震科学国际数据中心基于阿里"通义千问"开源模型打造了地震垂直领域大模型QuakeGPT,该模型学习大量地震相关专业知识,可通过问答服务,提供更丰富的地震知识,回答更准确.QuakeGPT模型通过微信"小Q"提供地震知识和防灾建议,增强了公众的参与度和学习效果,显著提升公众对地震科学的认识和应对能力.

目的:基于PICO模型构建中医药循证指南知识图谱,探索以此知识图谱为知识库搭建智能问答系统,增强临床决策支持.方法:采用自上而下与自下而上相结合的方法设计知识图谱的概念层和数据层,并以多囊卵巢综合征为例,利用"文心一言"大模型工具进行知识抽取,抽取结果通过Neo4j图数据库进行存储,实现知识图谱的可视化展示,同时对智能问答系统进行临床专家问卷调研和框架结构设计.结果:构建了包含13种类别、248个节点、12种关系类型、337条关系以及10种数据属性的中医药循证指南知识图谱,并展示了其可视化功能和应用示例.智能问答系统部分,已根据指南临床问题范围将其分为12大类,并预设了 24种问题模板,为后续问题预处理奠定了基础,并对系统实现提供了有力支撑.结论:本研究以循证指南为数据源确保了临床辅助决策系统科学性和准确性,也为中医药领域的智能化信息服务提供了新的思路和方法.

目的/意义 构建中文医学知识问答语料数据集,为医学垂域大模型提供标准化的评测基准,进而提升大模型处理中文医学问答任务的准确率和效率.方法/过程 构建中文医学论文知识问答数据集、医学名词解释问答数据集和以中国执业医师资格考试真题为基础的问答数据集,整理相关开源数据集.结果/结论 自主构建的中文医学知识问答语料数据集丰富了中文医学问答语料来源,能够作为一项标准化的评测基准,推动医学领域大模型实现客观全面的定量评估,今后将利用电子病历、在线健康社区等数据,为健康中国战略的实施提供更坚实的人工智能支持.

抗抑郁药是药物治疗抑郁症的主要方式.抗抑郁药用药指南提出了关于抑郁症用药的指导性意见,由于指南提供的是纯文本信息,而人们更倾向于使用自然语言对话来获得用药知识,ChatGPT的诞生使得人们考虑是否可以使用ChatGPT作为获取抗抑郁药用药知识更为便捷的方式,因此,ChatGPT提供抗抑郁药用药信息的准确度成为研究者关心的问题.本研究以英国精神药理学协会关于抗抑郁药治疗抑郁症的循证指南作为标准,评估ChatGPT用药知识问答的准确性,得出的结论为:ChatGPT对抗抑郁药用药信息回答的可靠性约为78.0％(95％CI=76.2％～79.8％),取得了较大的进展,但仍有进一步改进的空间.

本文提出了一个基于概率图的数学模型和迭代推理的算法,探索建立以经典中医辨证体系和方证对应理论为基础的自动交互式问答问诊数学模型.用于中医在线交互问诊和自动辨证分析,以提高远程中医临床问诊有效性,提供中医人工智能辅助辨证.该模型运用迭代推理算法可以实现通过简短的交互问答,自动推理出更优化的辨证分析结果,能够表达临床医师的辨证经验,并体现其对中医古籍知识的积累与运用能力,有利于中医师个人经验的传承和发扬.模型具备可扩展性和可配置性,能够不断积累辨证经验和中医药知识.为中医临床诊疗提供更加高效、便捷的实践助力,有利于加快中医药的传承与推广,有利于扩大中医药诊疗服务的群众基础和市场供给,具有深远的社会效益.

ChatGPT正在影响人们求医问药的传统方式,将医疗保健应用场景从院内转移到院外,提高了医学知识和诊疗信息的可及性.但ChatGPT在回答医学问题时也存在不足,如回答内容的不准确性和随意性,也难以将每个患者视为独立个体并给出体现医者智慧、思想和精神关怀的答案.用ChatGPT求医问药还存在生命健康、道德伦理、安全隐私和医疗公平风险.未来,在人工智能赋能医疗发展并促进人类健康的同时,仍应警惕ChatGPT对生命健康权、知情同意权、隐私保护权的冲击.