急诊诊疗具有病情变化快、决策时间短、风险高度集中的特点。患者到诊后，医生往往需要在有限时间内综合症状体征、既往病史、生命体征和陆续回传的检验检查结果，快速完成初步判断，同时警惕隐藏在常见症状背后的急危重症。

围绕这一临床场景，天津医科大学第二医院将惠每医疗大模型与院内诊疗数据和医生工作流程融合，建设急诊鉴别诊断大模型应用，通过持续整合患者信息、辅助梳理鉴别方向和动态识别风险，为急诊医生提供更加贴近真实诊疗过程的智能决策支持。

急诊高要求

AI能力要跟上临床节奏

急诊对诊疗效率和准确性的双重要求，对AI能力提出了更高要求。

胸痛、呼吸困难、腹痛、意识障碍等急诊常见症状，背后可能对应多种疾病。医生不仅要判断最可能的诊断，还要优先排除肺栓塞、急性冠脉综合征、主动脉夹层、脓毒症、中毒等可能影响救治窗口的高风险情况。与此同时，患者首诊阶段的信息往往并不完整，新的检查检验结果还会随着诊疗不断产生，原有判断也可能随之发生变化。

面对急诊复杂、动态的诊疗过程，医院将大模型能力融入急诊鉴别诊断过程。AI围绕患者当前病情，综合分析症状体征、既往风险和检查检验等信息，辅助形成候选诊断，并进一步呈现支持依据、需要关注的风险和仍需补充的信息。对于症状不典型、病因复杂的患者，大模型可以帮助医生扩大鉴别诊断视野；对于可能存在高风险疾病的患者，则优先提示需要进一步排除的方向。

多源数据动态汇集

持续支撑临床诊疗判断

要让大模型真正参与急诊临床判断，首先需要将分散在不同系统、不同时间节点的信息组织成连续的患者临床上下文。为此，医院利用CDSS将HIS、EMR、LIS、PACS等系统中的患者诊疗信息进行关联与集成，对结构化数据、检查报告及病历文本进行整合，使大模型能够基于患者多源真实诊疗数据开展分析，减少医生重新整理病情、重复录入信息的工作。

在实际应用中，患者新增检查结果可以持续汇入CDSS。例如，结构化影像检查报告进入平台后，医生在电子病历中开展诊疗工作时，系统可读取相关报告内容，并调用惠每医疗大模型进行解析和鉴别诊断分析，辅助医生进一步完善临床判断。

更重要的是，大模型的分析并不局限于某一个诊疗时点。当检验检查结果、生命体征等新增信息可能影响原有判断时，系统可重新分析相关证据，调整鉴别诊断和风险提示。对于新出现的高危线索、与原有判断存在冲突的结果，还可以进一步提示医生关注后续检查、会诊或处置方向。

这种持续研判方式，更贴近急诊“信息不断增加、判断不断修正”的真实诊疗过程，也让AI从一次性的辅助分析逐步融入患者诊疗全过程。

危重诊断优先呈现

让医生第一时间看到风险

急诊鉴别诊断不仅要考虑“可能性”，还必须考虑“危险性”。因此，医院在大模型输出结果的呈现方式上，也进一步结合急诊诊疗特点进行了优化。

系统根据患者当前信息生成多个鉴别诊断方向后，并非简单按照疾病名称逐项罗列，而是进一步进行风险分层。对于需要重点关注的危重诊断，系统采用橙黄色等醒目标识，并优先排列在诊断列表前端；一般鉴别诊断则以常规黑色字体呈现。

这一设计对应着急诊鉴别诊断的重要临床逻辑：在判断疾病可能性的同时，优先关注不能遗漏的高风险诊断。例如，同样以呼吸困难、胸闷等症状就诊，除了常见心肺疾病，还需要警惕肺栓塞等高风险情况。例如，在此前病例验证中，大模型曾结合患者骨折卧床史、血氧、血气等多项信息提示急性肺栓塞方向；在另一例表现缺乏特异性的患者中，则结合新增检验结果提示亚硝酸盐中毒等非典型病因。对于急诊医生而言，这种方式能够帮助医生更快整合分散信息，并将可能影响救治窗口的风险线索提前呈现。

随着应用不断深入，惠每医疗大模型正逐步融入天津医大二院急诊诊疗流程，辅助医生整合患者信息、完善鉴别诊断并及时关注危重风险。通过将AI能力嵌入临床关键环节，医院将持续探索更加贴合急诊诊疗特点的智能辅助模式，为医疗质量和患者安全提供支持。

免责声明：

智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!

凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。