黄雅南 / 临床药学硕士 / 医学内容与模型评估

把医学判断
变成模型能力

我关注的不是让模型多写一些,而是让它把医学问题说得更准、更稳、更清楚。

医学内容从来不是词句的拼接。它需要证据、推理、边界感,也需要理解读者真正关心什么。

01 / COMEDITOR

AI 会写,
不等于会论证。

Comeditor 早期文章常常“看似完整,实则割裂”。我将药企医学写作中隐性的判断过程,整理成模型可遵循的论证框架与评估尺度

30 → 80-90

人工质量评分
从可读到可用

+30%

医学内容制作效率
项目内提升

20 → 80%

有效溯源率
重构流程后提升

把一篇文章拆回七个问题

不是让模型填满大纲,而是让它先理解临床问题,再完成一条可追溯的医学论证。

01临床未满足需求
02重要性与紧迫性
03现有管理难点
04可行解决方案
05方案为什么有效
06核心医学证据
07临床与患者价值

02 / EVIDENCE FIRST

先找到证据,
再写出答案。

药企医学内容的每一处关键表达都应经得起追问。把“写完再找依据”改为“依据证据成文”,让人和模型在同一条合规逻辑上协作。

旧流程

先生成
再补文献

内容与证据被拆成两件事。后续补溯源困难,返工多,也难以稳定支持合规审阅。

20%
重构后

先检索
再成文

先确认文献与证据,再完成表达,最后集成溯源。写作顺序回到更接近人的专业判断。

80%

这也是我理解人机协作的起点:不是把专业判断交给模型,而是把判断标准、证据秩序和可复盘的反馈放进流程里。

03 / EVALUATION

我如何看
一个模型回答。

在 Comeditor 的推进中,我持续比较不同模型在医学写作任务上的能力边界。我的判断不止是“像不像人写的”,而是它是否经得起专业追问。

01

准确性

事实是否可靠,结论是否越过证据,关键风险和限定条件有没有被遗漏。

02

推理质量

从临床问题到治疗策略的路径是否成立,有没有跳步、错配或以偏概全。

03

表达水准

能否将医学信息转译给目标读者,在专业性、清晰度与边界感之间保持分寸。

04 / WHY IT MATTERS

合理用药,
不该取决于
你住在哪里。

我想长期投入的命题,是缩小基层与城市之间的用药知识差距。让 AI 成为每个人身边更可靠的“临床药师”,不是替人草率地下结论,而是让专业、可解释的信息抵达更多人。

把医学判断带到真正需要它的地方