知识库和模型一升级,同一份病案的结论就可能变。没有回归验证、没有版本留痕的中医 AI,等于每次升级都在悄悄改临床标准——改动没有签字人、没有记录,事后也查不回来。
这个问题在临床上的后果很具体:半年前会诊讨论过的病例,现在调出来重新跑一遍,证型从肝郁脾虚变成肝胃郁热,主方也跟着换了。如果没人能说清这是升级造成的还是病情变化,那次会诊的结论就失去了参考价值。
一、一次升级到底动了什么
升级听起来是一个动作,实际至少涉及四层,危险程度并不一样。
知识库条目。 新增证型、补充方剂、修订症状词表、调整十八反十九畏的拦截范围。这类改动局部,但会改变鉴别诊断的排序。
规则。 症状与证型之间的映射条件,比如某个症状的权重从加分变成必要条件。规则一动,影响面立刻扩到全科。
权重。 引擎里那套基本权重与扩展权重的数值。这是最不直观的一层:数字微调看起来很小,累积到排序上可能让两个证型互换位置。
模型。 底层推理模型替换或版本迭代。这一层最容易产生整体漂移——不是某个病案的结论变了,而是所有病案的输出分布都变了。
四层里,前两层医院还能靠抽查看出来,后两层基本看不出来。而恰恰是后两层最容易在下一次升级里被悄悄替换。
二、三类变更,三种处理
| 变更类型 | 影响面 | 是否需要重新验证 | 处理方式 |
|---|---|---|---|
| 知识库条目增补 | 局部病种,可能改变鉴别排序 | 需要,抽样回归 | 灰度到一至两个科室,观察两周 |
| 规则与权重调整 | 全科,影响所有病案的排序 | 必须全量回归 | 固定病案集全跑,差异逐条判定 |
| 底层模型替换 | 全科,输出分布可能整体漂移 | 全量回归 + 临床复核 | 新旧版本双跑,差异率超阈值不上线 |
| 界面、字典、术语修订 | 展示层,但会改变统计口径 | 抽查即可 | 核对报表取数逻辑是否同步 |
这张表最关键的一列是第三列。行业里的常见做法是把所有升级都归为常规维护,一律不做验证,理由是“只是改了几个词”。但改几个词也可能让某个证型再也匹配不上,而系统不会报错,只会安静地给出另一个答案。辨证云把变更按这四类归档,规则与权重层的改动一律不走快速通道。
三、回归验证怎么做
回归验证不需要复杂设备,需要的是三样东西:一批固定的病案、一套判定规则、两个愿意较真的人。
固定病案集。 建议按专科病种建,覆盖该科室门诊的主要证型,典型病例与不典型病例都要有。数量上,单科室两百到五百份足以支撑判断;太少会被个案噪音带偏,太多则没人愿意每次升级都跑。每份病案要存原始四诊信息、专家给出的诊疗路径与主方,这是比对的基准。
双人背靠背复核。 两人独立判断差异是否属于可接受变化,先各自出结论再对照。一个人看容易顺着系统的新结果找理由,两个人背靠背能把这个偏差压下去。
差异清单。 每一条差异要写清四件事:病案编号、旧版结论、新版结论、判定(可接受或不可接受)。判定为不可接受的,要能追到具体是哪条规则或哪个权重导致的。
阈值。 上线前就该定好:主方一致率相对基准下降超过多少个百分点,就阻断发布。阈值定在事前才有约束力,定在事后往往会被解释成“在合理波动范围内”。
辨证云在做版本发布时,走的就是这套流程:病案集由医院提供或双方共同确定,差异清单逐条给到医院,签了字才推全量。这个流程慢,但它让“升级”变成一件可以商量的事。
四、留痕:病案要能回放到当时那一版
比回归验证更容易被忽略的是留痕。验证管的是“升级前”,留痕管的是“升级后出了问题怎么办”。
基本要求有三条:
- 系统版本号写进每条病案的辅助决策记录,而不只是记在服务器的发布日志里。医生调阅半年前的病案时,要能看到当时用的是哪一版。
- 保留历史版本的知识库与规则快照,至少能回放到上一个稳定版本。回放不是重新推理,而是能还原当时的输入、规则与输出。
- 医生修改建议的动作要留痕:改了什么、改成什么、有没有写理由。这条在争议时比系统给了什么更重要。
没有这三条,一次升级之后所有历史病案的结论都变成了“当时的系统说的”,无法核对,也无法复盘。中医 AI 的价值本来建立在可追溯的推理链上,版本一乱,这条链就断了。
辨证云的做法是把版本号作为病案记录的一个字段,与辨证结论一起落库,导出时一并带出。这件事在技术上不难,难的是从第一版就把它当成必须项。
五、合同里的升级条款
升级条款经常被写成一句“厂商负责免费升级”,医院觉得占了便宜,实际把控制权全交了出去。建议改成可执行的五条:
- 提前通知:功能性与知识库升级提前告知,说明变更范围与影响病种。
- 灰度:先在约定科室试用,观察期结束、差异清单确认后才推全量。
- 可回滚:保留上一稳定版本,回滚时限写清楚,回滚不丢病案数据。
- 验收方式:以固定病案集的回归结果作为验收依据,而不是以功能清单打勾。
- 签字人:变更由医务科、药学部、信息科三方确认,缺一方不发布。
第五条最容易被当成形式。实际上它决定了出问题时谁负责:如果升级只是信息科点了同意,临床对结果的信任就没有落点。辨证云在合同附件里也是按这五条列的,第一条和第五条最常被院方划掉,也最该保留。
写在最后
中医 AI 的升级不该是黑箱。判断一套系统在这件事上是否可靠,问一句就够:上一次升级,改了哪些规则,影响了哪些病案,谁签的字。
答得上来的,说明它有版本管理的习惯;答不上来的,它每一次升级都在改写临床标准,只是没人知道。这个问题,辨证云在项目里也愿意被当场问。