中医 AI 最不显眼、也最容易翻车的一层,不是辨证推理,而是患者那句话怎么变成系统认识的术语。患者说肚子胀,系统里要落到脘腹胀满;说心口烧,要落到胃脘灼热;说半夜三四点准醒,要落到定时醒,并挂到肝经、胆经的时辰维度上。这一层叫术语归一,它做得怎么样,直接决定后面的辨证能召回多少。
这一层没有 Demo 可看,也很少出现在产品介绍的第一页。但它一旦出问题,前端界面再漂亮、模型再大,结论都会偏——因为推理的原料从入口就错了。
一、口语和术语之间,隔着一整套映射
规范的中医症状集并不大,但颗粒度很细。舌象、脉象之外,光是问诊部分就包含寒热、汗、头身、饮食口味、二便、睡眠、情志、妇人经带等若干维度,每一维下面又是几十个规范症状项。辨证云的知识底座里有 30000 多个症候,这个量级说明一件事:术语不是几十个词,而是一张需要维护的网。
患者不会按这张网说话。他说「肚子胀」,可能是胃脘部,也可能是全腹;可能是饭后加重,也可能是整天都胀;可能伴嗳气,也可能伴腹泻。同一个词,落到不同的规范项,指向的证候要素完全不同——脘腹胀满指向脾胃气滞或湿阻,少腹胀满更多与肝气郁结、下焦气机相关。
所以映射不能是一对一的字典,而是一组带条件的规则:部位、时间、加重缓解因素、伴随症状,四项里缺一项,映射就可能落错格子。
二、一句话要处理五件事
真实主诉进系统,要过五道处理,任何一道漏掉,后面的辨证就会少一条关键证据。
| 患者原话 | 规范术语 | 落到哪个证候要素 | 漏掉的后果 |
|---|---|---|---|
| 肚子胀、吃完更胀 | 脘腹胀满,食后加重 | 脾胃气滞 | 脾胃类证型缺主症支持 |
| 心口烧、反酸 | 胃脘灼热,吞酸 | 胃热、肝胃郁热 | 热证倾向被低估 |
| 半夜三四点准醒 | 定时醒(丑时) | 肝胆、厥阴 | 时间维度线索丢失 |
| 怕冷又出汗 | 畏寒,汗出 | 卫阳不固、营卫不和 | 表虚类证型无法成立 |
| 嘴里发苦、早上明显 | 口苦,晨起为甚 | 肝胆湿热 | 湿热证据链断开 |
| 拉不出来,大便干成球 | 大便干结,状如羊屎 | 肠燥津亏 | 津亏判断缺少依据 |
这张表右边一列才是关键:映射错了不是「记录不准确」,而是直接少了一条支持某证型的证据。辨证靠的是证据的组合,少一条,排名就会变,方子的方向也可能跟着变。
三、五个最容易失手的处理点
同义词。同一件事的说法可以有很多种:腹胀、肚子胀、胀气、肚子里有气、吃不下去还胀。同义词表要覆盖到这种程度,不能只收标准说法。
方言与口语习惯。南方患者说「心口」常指胃脘,北方说「心口」有时指胸骨后;「上火」在不同地区指向不同;「湿气重」几乎是万能表述,几乎不能直接映射,必须继续追问具体表现。方言处理不好,等于给一部分患者少听了半句话。
否定与排除。「不太胀」「没有口干」「不怕冷」——这三个词里都带着否定。如果系统只抓关键词,会把「没有口干」记成口干,把「不怕冷」记成怕冷,这种错最隐蔽,因为它不会报错,只会安静地把辨证带偏。辨证云的做法是把否定做成采集端的独立字段,让「有/无/未问」三种状态分开存,而不是留给后端从文本里猜。
程度修饰。「有点胀」和「胀得厉害」在证候权重上不是一回事;「偶尔」和「每天」也不是一回事。程度与频次如果不进结构化字段,所有症状都会被压成同一个强度,辨证的区分度就没了。
合并症干扰。一位同时有糖尿病、慢性胃炎、失眠的患者,主诉往往混杂。系统要能分辨哪一句是本次就诊的核心,哪一句是背景病史,否则会把三年的老毛病当成本次主症,把证型拽到别处去。
四、覆盖率决定召回率
术语归一有两个可测的指标:覆盖率与错配率。
覆盖率是「患者说的内容里,有多少被成功映射到规范术语」。它直接决定召回——一条主症没被识别,任何以它为必要条件或重要支持的证型都不会出现在候选里。医生看到的候选列表变短了,不是系统判断更精准,而是它根本没听见。
错配率是「映射到了,但落错了格子」。这个指标更危险,因为它不减少候选,只污染候选。覆盖率低的表现是「结果少」,医生容易察觉;错配率高的表现是「结果怪」,医生要花更大力气才能发现是哪里进的错。
辨证云在实施中会把这两个指标分开测:拿本院真实门诊主诉抽几百条做回标,逐条看映射结果,而不是只看最终的证型对不对。只看最终结果,永远分不清是术语层错了,还是推理层错了。
五、这一层怎么验,才不是自说自话
术语映射表是典型的「本院知识」,通用厂商给的那份表,一定和本院医生的说法有出入。所以验收时最该做的一件事,是把映射表打印出来,请本院中医科逐条过、逐条签字。签过字的表,才是这家医院认可的语言。
第二件事是抽样回标。从 HIS 里抽真实主诉,不看诊断、只看原话,让医生判断每条映射对不对。这项工作很枯燥,但它是唯一能暴露方言和口语盲区的方法。辨证云在落地时会把这批回标结果留档,作为下一轮补表的依据,而不是一次性验收完就归档。
第三件事是看增量。把映射表补完一轮之后重新测覆盖率,看提升了多少。提升明显的科室,说明原来的表确实薄;提升不明显的,问题可能不在术语层,而在问诊采集本身就不充分。
写在最后
辨证这件事,做加法容易,做减法难。加一个证型、加一条规则,都能演示;把一句含混的口语准确地收进一个规范术语,却需要长期的、枯燥的对照。
所以评价一套中医 AI 时,不妨问一句:患者说「肚子胀」,你们的系统里,它有几种落法?答不上来的,多半还没认真做过这一层。辨证云把这一层当作工程而非配置,原因也简单——辨证的上限由知识决定,下限由术语决定。