“肝功能检查,转氨酶升高近四倍,胆红素升高三倍。”
“药物性肝损伤。”
台下有人低声议论。
楚凌没有停。
“三位省城老专家,临床经验均超过二十年,但他们全部漏诊了。”
他敲击平板。
屏幕切换成一个软体操作界面,左侧是数据输入窗口,右侧是算法运算流程。
“我將患者128项血液指標、高解析度舌象像素图,解析度4800x3200,远超人眼分辨极限,以及脉象仪採集的压力波形数据,全部导入我们课题组自主开发的中医临床循证大模型。”
楚凌的手指在平板上滑动,运算过程在大屏幕上实时展开。
数据流瀑布般下泻。
“系统抓取全网520万份有效系统性红斑狼疮中医病案资料库,通过贝叶斯后验概率算法进行多维度比对。”
“排除风湿热痹,概率仅12%。”
“排除湿热蕴结,概率8%。”
“排除肝肾阴虚,概率15%。”
“锁定目標证型。”
屏幕上弹出一个红框高亮的结果。
【阴虚毒伏证,后验概率:94。7%】
【sle临床分型:non-criterialupus,发病率0。3%】
楚凌抬起头,目光扫过全场。
“阴虚毒伏,这是系统性红斑狼疮中发病率仅0。3%的罕见变异型。患者不出现蝶形红斑,不出现典型的光敏感,抗核抗体滴度处於灰区,这些非典型表现叠加在一起,构成了人类临床经验的认知盲区。”
“三位专家都是好大夫,但人脑在处理五百万量级的病案数据时,存在不可避免的认知疲劳和经验偏差。”
ppt翻页。
ai重组方剂出现在屏幕上。
青蒿鱉甲汤加减。
青蒿12克,鱉甲先煎30克,生地15克,知母10克,丹皮10克,白花蛇舌草20克,半枝莲15克。
每味药的剂量后面跟著一个括號,括號里是ai模型给出的置信区间。
“ai给出的预测有效率:91%。”
“实际服药结果。”
楚凌点击最后一页。
治疗前后对比表。
七天后:体温恢復正常,关节肿痛消退。
十四天后:肝功能全部恢復正常。