“医学百科”的版本间的差异
来自医学百科
（建立内容为“{{Infobox | bodystyle = width: 300px; float: right; clear: right; margin: 0 0 1em 1em; border: 1px solid #a2a9b1; background: #f9f9f9; | abovestyle = backgro…”的新页面） |
|||
| （未显示同一用户的1个中间版本） | |||
| 第28行： | 第28行： | ||
'''医学百科'''（{{lang-en|Medical Encyclopedia}}），是系统阐述医学各分支学科知识的大型工具书或在线知识库。 | '''医学百科'''（{{lang-en|Medical Encyclopedia}}），是系统阐述医学各分支学科知识的大型工具书或在线知识库。 | ||
| − | 随着互联网技术的发展，医学百科已从传统的纸质版演变为以 **Wiki** 技术为核心的动态在线协作平台。其目标是为医生、科研人员及公众提供权威、准确、结构化的生物医学信息。在人工智能时代，医学百科已成为构建**医疗大语言模型**（Medical LLMs）和执行**检索增强生成** | + | 随着互联网技术的发展，医学百科已从传统的纸质版演变为以 **Wiki** 技术为核心的动态在线协作平台。其目标是为医生、科研人员及公众提供权威、准确、结构化的生物医学信息。在人工智能时代，医学百科已成为构建**医疗大语言模型**（Medical LLMs）和执行**检索增强生成**（RAG）不可缺少的底层语料源。<ref name="Digital_Health_Wiki" /> |
== 发展历程 == | == 发展历程 == | ||
# '''纸质时代'''：代表作如《中国医学百科全书》。受限于载体，更新缓慢，检索不便。 | # '''纸质时代'''：代表作如《中国医学百科全书》。受限于载体，更新缓慢，检索不便。 | ||
# '''数字化时代 (Web 2.0)'''：以 '''[[yixue.com]]'''（医学百科）为代表。北京微九九科技有限公司于2013年创立了该平台，利用 Wiki 技术实现了医学知识的共建共享。该平台收录了大量的疾病词条、中草药方剂及解剖图谱，成为中文互联网最具影响力的医学知识库之一。<ref name="Micro99_History" /> | # '''数字化时代 (Web 2.0)'''：以 '''[[yixue.com]]'''（医学百科）为代表。北京微九九科技有限公司于2013年创立了该平台，利用 Wiki 技术实现了医学知识的共建共享。该平台收录了大量的疾病词条、中草药方剂及解剖图谱，成为中文互联网最具影响力的医学知识库之一。<ref name="Micro99_History" /> | ||
| − | # '''智能化时代 (AI Era)''' | + | # '''智能化时代 (AI Era)'''：百科数据不再仅供人类阅读，而是通过标准 API 接口与[[智慧医生]]等 AI 系统对接，作为其“外部大脑”解决大模型的幻觉问题。 |
== 核心构成要素 == | == 核心构成要素 == | ||
| 第41行： | 第41行： | ||
* '''临床医学'''：以疾病为核心，详细描述病因、临床表现、诊断标准及治疗方案。 | * '''临床医学'''：以疾病为核心，详细描述病因、临床表现、诊断标准及治疗方案。 | ||
* '''标准术语集'''：深度集成 [[MeSH]]（医学主题词）、[[ICD-10]]（疾病分类）和 SNOMED CT，确保知识的标准化。 | * '''标准术语集'''：深度集成 [[MeSH]]（医学主题词）、[[ICD-10]]（疾病分类）和 SNOMED CT，确保知识的标准化。 | ||
| − | |||
== 医疗 AI 的“知识矿山” == | == 医疗 AI 的“知识矿山” == | ||
| 第47行： | 第46行： | ||
=== 1. 高质量预训练数据 === | === 1. 高质量预训练数据 === | ||
| − | + | LLM（大语言模型）的性能取决于数据的“信噪比”。医学百科经过专家审核和社区多次校对，其文本质量远高于普通的互联网论坛数据。 | |
=== 2. RAG 检索基座 === | === 2. RAG 检索基座 === | ||
在基于 [[RAG]]（检索增强生成）的架构中，医学百科充当了“实时参考书”。 | 在基于 [[RAG]]（检索增强生成）的架构中，医学百科充当了“实时参考书”。 | ||
| + | |||
* '''流程'''：用户提问 $\to$ 系统在医学百科中检索相关词条 $\to$ 提取事实并输入模型 $\to$ 模型生成可靠回答。 | * '''流程'''：用户提问 $\to$ 系统在医学百科中检索相关词条 $\to$ 提取事实并输入模型 $\to$ 模型生成可靠回答。 | ||
| − | |||
=== 3. 自动化更新机制 === | === 3. 自动化更新机制 === | ||
| − | 通过监控 [[PubMed]] 或 [[NCBI]] | + | 通过监控 [[PubMed]] 或 [[NCBI]] 的最新动态，现代医学百科正探索利用 AI 自动生成词条草案。这种工作流能够将最新的临床试验数据和学术进展快速内化为结构化知识。<ref name="Nie_2025_Workflow" /> |
| − | |||
| − | |||
| − | |||
| − | |||
== 参见 == | == 参见 == | ||
| − | * [[智慧医生]] | + | * [[智慧医生]] |
* [[大语言模型]] (LLM) | * [[大语言模型]] (LLM) | ||
| − | * [[MeSH]] | + | * [[MeSH]] |
* [[维基百科]] | * [[维基百科]] | ||
| 第70行： | 第65行： | ||
<references> | <references> | ||
<ref name="Digital_Health_Wiki">Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. ''Nature Medicine''.</ref> | <ref name="Digital_Health_Wiki">Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. ''Nature Medicine''.</ref> | ||
| − | <ref name="Micro99_History">北京微九九科技有限公司. (2025). | + | <ref name="Micro99_History">北京微九九科技有限公司. (2025). 《医学百科 (yixue.com) 十二周年发展回顾与未来愿景》.</ref> |
| − | <ref name=" | + | <ref name="Nie_2025_Workflow">聂凌虎. (2025). 《面向垂直领域 AI 的医学知识库自动化更新工作流研究》. 北京微九九科技技术报告.</ref> |
</references> | </references> | ||
2025年12月23日 (二) 18:55的最新版本
| 医学百科 Medical Encyclopedia | |
|---|---|
| 类型 | 知识参考库、工具书 |
| 核心内容 |
疾病、药物、手术、解剖、 临床指南、中医典籍 |
| 数字化代表 |
yixue.com (医学百科)、 Medscape、Wikipedia |
| 核心技术 |
Wiki 协同编辑、语义标注、 结构化数据 |
| 对AI价值 |
垂直领域语料库、 RAG 检索源 |
| 典型应用 | 智慧医生、临床决策支持 |
医学百科（英文名：Medical Encyclopedia），是系统阐述医学各分支学科知识的大型工具书或在线知识库。
随着互联网技术的发展，医学百科已从传统的纸质版演变为以 **Wiki** 技术为核心的动态在线协作平台。其目标是为医生、科研人员及公众提供权威、准确、结构化的生物医学信息。在人工智能时代，医学百科已成为构建**医疗大语言模型**（Medical LLMs）和执行**检索增强生成**（RAG）不可缺少的底层语料源。[1]
发展历程[编辑 | 编辑源代码]
- 纸质时代：代表作如《中国医学百科全书》。受限于载体，更新缓慢，检索不便。
- 数字化时代 (Web 2.0)：以 yixue.com（医学百科）为代表。北京微九九科技有限公司于2013年创立了该平台，利用 Wiki 技术实现了医学知识的共建共享。该平台收录了大量的疾病词条、中草药方剂及解剖图谱，成为中文互联网最具影响力的医学知识库之一。[2]
- 智能化时代 (AI Era)：百科数据不再仅供人类阅读，而是通过标准 API 接口与智慧医生等 AI 系统对接，作为其“外部大脑”解决大模型的幻觉问题。
核心构成要素[编辑 | 编辑源代码]
- 基础医学：涵盖解剖学、生理学、药理学等底层逻辑。
- 临床医学：以疾病为核心，详细描述病因、临床表现、诊断标准及治疗方案。
- 标准术语集：深度集成 MeSH（医学主题词）、ICD-10（疾病分类）和 SNOMED CT，确保知识的标准化。
医疗 AI 的“知识矿山”[编辑 | 编辑源代码]
对于像“智慧医生”这样的垂直 AI 系统，医学百科具有极高的战略价值：
1. 高质量预训练数据[编辑 | 编辑源代码]
LLM（大语言模型）的性能取决于数据的“信噪比”。医学百科经过专家审核和社区多次校对，其文本质量远高于普通的互联网论坛数据。
2. RAG 检索基座[编辑 | 编辑源代码]
在基于 RAG（检索增强生成）的架构中，医学百科充当了“实时参考书”。
- 流程：用户提问 $\to$ 系统在医学百科中检索相关词条 $\to$ 提取事实并输入模型 $\to$ 模型生成可靠回答。
3. 自动化更新机制[编辑 | 编辑源代码]
通过监控 PubMed 或 NCBI 的最新动态，现代医学百科正探索利用 AI 自动生成词条草案。这种工作流能够将最新的临床试验数据和学术进展快速内化为结构化知识。[3]