智能全科医生评估指标体系构建

doi:10.12114/j.issn.1007-9572.2025.0020

中国全科医学 ›› 2025, Vol. 28 ›› Issue (22): 2705-2711.DOI: 10.12114/j.issn.1007-9572.2025.0020

• 特约研究报告 • 下一篇

智能全科医生评估指标体系构建

赵亚利¹, 路孝琴¹, 刘珏², 张艺帆³, 朱祖懿³, 陈开元⁴, 刘民²^,^*(), 梁万年⁴^,^*()

1．100069　北京市，首都医科大学全科医学与继续教育学院
2．100191　北京市，北京大学公共卫生学院
3．100084　北京市，北京百川智能科技有限公司
4．100084　北京市，清华大学万科公共卫生与健康学院

收稿日期:2025-02-06 修回日期:2025-03-13 出版日期:2025-08-05 发布日期:2025-06-30
通讯作者: 刘民, 梁万年
赵亚利与路孝琴为共同第一作者

作者贡献：
梁万年、刘民负责课题构思、设计、实施、文章撰写等全程审核和把关；路孝琴、赵亚利、刘珏参与课题实施、文章撰写及修改；张艺帆、朱祖懿、陈开元参与课题实施。
基金资助:
科技创新2030——"新一代人工智能"重大项目(2021ZD0114100); 清华大学文科建设"双高"计划项目—AI赋能基层医疗服务研究(2024TSG06402)

The Construction of Assessment Index System of Artificial Intelligence General Practitioner

ZHAO Yali¹, LU Xiaoqin¹, LIU Jue², ZHANG Yifan³, ZHU Zuyi³, CHEN Kaiyuan⁴, LIU Min²^,^*(), LIANG Wannian⁴^,^*()

1. School of General Medicine and Continuing Education, Capital Medical University, Beijing 100069, China
2. School of Public Health, Peking University, Beijing 100091, China
3. Beijing Baichuan Intelligent Technology Co., Ltd, Beijing 100084, China
4. Vanke School of Public Health and Health, Tsinghua University, Beijing 100084, China

Received:2025-02-06 Revised:2025-03-13 Published:2025-08-05 Online:2025-06-30
Contact: LIU Min, LIANG Wannian
About author:
ZHAO Yali and LU Xiaoqin are co-first authors

分享到

摘要/Abstract

摘要： 背景开发并推广智能医疗辅助信息系统是加强全科医生服务能力的重要手段，规范并评价智能辅助系统开发的性能和效果尤为迫切。目的构建智能全科医生评估指标体系，为评估智能全科医生的服务能力提供科学工具。方法 2024年12月—2025年1月，通过文献研究和德尔菲法，构建智能全科医生评估指标体系，并确定其指标权重。结果三轮专家咨询的积极系数均为100%，权威系数>0.8，各级指标的重要性协调系数分别为0.210、0.255、0.145，可行性协调系数分别为0.353、0.245、0.150，最终确定的考核指标体系包括5个一级指标、11个二级指标、47个三级指标。一级指标分别为专业知识、基本医疗服务能力、预防服务能力、医患沟通与医学伦理、教育学习与科研能力，其权重分别为0.169、0.306、0.239、0.145、0.141。结论本研究构建了智能全科医生评估指标，对进一步规范智能全科医生的开发及应用提供参考范围，对科技赋能提高全科医生临床实践水平具有重要现实意义。

关键词: 人工智能, 全科医生, 评估指标体系, 专家咨询

Abstract:

Background

Developing and promoting intelligent medical assistance information systems is an important means to strengthen the capabilities of general practitioners. It is particularly urgent to standardize and evaluate the performance and effectiveness of intelligent assistance system development.

Objective

To construct an evaluation index system for intelligent general practitioners, and provide scientific tools for evaluating the service ability of intelligent general practitioners.

Methods

From December in 2024 to January in 2025, the evaluation index system for intelligent general practitioners with indicator weights was constructed through literature review and Delphi expert consultation.

Results

The positive coefficient of the three rounds of expert consultation was 100%, the authority coefficient was > 0.8. The coefficients of concordance for the importance of indicators at various levels were 0.210, 0.255, and 0.145, respectively, while those for feasibility were 0.353, 0.245, and 0.150. The final evaluation index system comprised five first-level indicators, 11 second-level indicators, and 47 third-level indicators. The first-level indicators were professional knowledge, basic medical service, active clinical prevention service, physician-patient communication and medical ethics, and education, learning, and research, with weights of 0.169, 0.306, 0.239, 0.145, and 0.141, respectively.

Conclusion

This study established the evaluation indicators for intelligent general practitioners, providing a reference for further standardizing the development and application of intelligent general practitioners. It has significant practical implications for enhancing the clinical practice level of general practitioners through technological empowerment.

Key words: Artificial intelligence, General practitioner, Evaluation index system, Expert consultation

中图分类号:

R-05

赵亚利,路孝琴,刘珏,等. 智能全科医生评估指标体系构建[J]. 中国全科医学, 2025, 28(22): 2705-2711. DOI: 10.12114/j.issn.1007-9572.2025.0020.
ZHAO Yali,LU Xiaoqin,LIU Jue, et al. The Construction of Assessment Index System of Artificial Intelligence General Practitioner[J]. Chinese General Practice, 2025, 28(22): 2705-2711. DOI: 10.12114/j.issn.1007-9572.2025.0020.

图/表 6

参考文献 14

[1]	闫温馨，胡健，曾华堂，等. 人工智能大语言模型在基层医疗卫生服务中的应用与挑战[J]. 中国全科医学，2025，28 （1）：1-6.
[2]	清华大学万科公共卫生与健康学院，北京大学公共卫生学院，中国医师协会全科医师分会. 智能全科医生中国专家共识[J]. 中国全科医学，2025，28（2）：135-142.
[3]	DIAMOND I R, GRANT R C, FELDMAN B M, et al. Defining consensus: a systematic review recommends methodologic criteria for reporting of Delphi studies[J]. J Clin Epidemiol，2014，67（4）：401-409. DOI：10.1016/j.jclinepi.2013.12.002.
[4]	RAYMOND M R. Job analysis and the specification of content for licensure and certification examinations[J]. Appl Meas Educ，2001，14（4）：369-415. DOI：10.1207/s15324818ame1404_4.
[5]	刘珏，梁万年. 科技创新应对健康挑战[J]. 中国全科医学，2024，27（28）：前插页.
[6]	MOOR M, BANERJEE O, ABAD Z S H, et al. Foundation models for generalist medical artificial intelligence[J]. Nature，2023，616：259-265.
[7]	LI Y H, LI Y L, WEI M Y, et al. Innovation and challenges of artificial intelligence technology in personalized healthcare[J]. Sci Rep，2024，14（1）：18994.
[8]	ANDREW A. Potential applications and implications of large language models in primary care[J]. Fam Med Community Health，2024，12（Suppl 1）：e002602. DOI：10.1136/fmch-2023-002602.
[9]	李婷，潘朝路，金光辉，等. 基于岗位胜任力的全科住院医师规范化培训结业考核指标体系的构建[J].中国全科医学，2024，27（16）：1962-1970.
[10]	宫雪.中国全科医生岗位胜任力指标体系构建研究[D].沈阳：中国医科大学，2022.
[11]	连国华，陈亮，张向杰，等. 基于洋葱模型的社区全科医生岗位胜任力评价指标体系构建研究[J].中国全科医学，2022，25（31）：3955-3959.
[12]	王媛媛. 医学量表的编制与评价:理论、方法与实例操作[M]. 北京：北京大学医学出版社，2020：66-68.
[13]	ANDREW A. Potential applications and implications of large language models in primary care[J]. Fam Med Community Health，2024，12（Suppl 1）：e002602. DOI：10.1136/fmch-2023-002602.
[14]	江哲涵，奉世聪，王维民. 人工智能生成内容在医学教育中的应用、挑战与展望[J].中国教育信息化，2024，30（8）: 29-40.

项目	人数	项目	人数
性别		年龄
男	4	≤50岁	8
女	12	>50岁	8
学历		从事专业
本科	3	临床医学（含全科医学）	11
硕士研究生	6	公共卫生	2
博士研究生	7	卫生管理	2
职称		医学伦理学	1
副高级	5	工作单位
正高级	11	综合医院	1
目前岗位工作年限		社区卫生服务中心（站）	7
≤20年	6	高校	7
21~30年	7	社区卫生服务管理中心	1
>30年	3

项目	人数	项目	人数
性别		年龄
男	4	≤50岁	8
女	12	>50岁	8
学历		从事专业
本科	3	临床医学（含全科医学）	11
硕士研究生	6	公共卫生	2
博士研究生	7	卫生管理	2
职称		医学伦理学	1
副高级	5	工作单位
正高级	11	综合医院	1
目前岗位工作年限		社区卫生服务中心（站）	7
≤20年	6	高校	7
21~30年	7	社区卫生服务管理中心	1
>30年	3

指标	重要性			可操作性
指标	Kendall协调系数	χ²值	P值	Kendall协调系数	χ²值	P值
第一轮
一级指标	0.138	11.000	0.049	0.322	25.729	<0.001
二级指标	0.250	39.977	<0.001	0.272	43.572	<0.001
三级指标	0.152	123.727	<0.001	0.288	235.048	<0.001
第二轮
一级指标	0.125	10.000	0.075	0.323	25.833	<0.001
二级指标	0.144	23.111	0.010	0.233	37.298	<0.001
三级指标	0.103	87.570	0.002	0.206	175.079	<0.001
第三轮
一级指标	0.210	13.455	0.009	0.353	22.583	<0.001
二级指标	0.255	40.807	<0.001	0.245	39.207	<0.001
三级指标	0.145	111.232	<0.001	0.150	115.558	<0.001
总体	0.170	173.873	<0.001	0.170	174.334	<0.001

指标	重要性			可操作性
指标	Kendall协调系数	χ²值	P值	Kendall协调系数	χ²值	P值
第一轮
一级指标	0.138	11.000	0.049	0.322	25.729	<0.001
二级指标	0.250	39.977	<0.001	0.272	43.572	<0.001
三级指标	0.152	123.727	<0.001	0.288	235.048	<0.001
第二轮
一级指标	0.125	10.000	0.075	0.323	25.833	<0.001
二级指标	0.144	23.111	0.010	0.233	37.298	<0.001
三级指标	0.103	87.570	0.002	0.206	175.079	<0.001
第三轮
一级指标	0.210	13.455	0.009	0.353	22.583	<0.001
二级指标	0.255	40.807	<0.001	0.245	39.207	<0.001
三级指标	0.145	111.232	<0.001	0.150	115.558	<0.001
总体	0.170	173.873	<0.001	0.170	174.334	<0.001

一级指标	第一轮				第二轮				第三轮
	重要性		可操作性		重要性		可操作性		重要性		可操作性
	平均数	CV	平均数	CV	平均数	CV	平均数	CV	平均数	CV	平均数	CV
1专业知识	4.94	0.05	4.81	0.11	4.94	0.05	4.81	0.11	5.00	0.00	4.94	0.05
2基本医疗服务能力	5.00	0.00	4.94	0.05	4.94	0.05	4.75	0.12	4.94	0.05	4.56	0.16
3预防服务能力	4.94	0.05	4.50	0.16	4.88	0.07	4.50	0.18	4.94	0.05	4.69	0.13
4人际沟通能力	4.81	0.08	4.00	0.26	4.75	0.12	4.06	0.21	4.88	0.07	4.13	0.20
5职业精神与人文素养	4.81	0.08	3.94	0.30	4.69	0.13	4.00	0.24	—	—	—	—
6教育、学习与科研能力	4.69	0.13	4.44	0.16	4.63	0.13	4.44	0.20	4.69	0.10	4.44	0.14

智能全科医生评估指标体系构建

The Construction of Assessment Index System of Artificial Intelligence General Practitioner

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 14

相关文章 15

编辑推荐

Metrics

留言

一级指标	权重	二级指标	权重	三级指标	权重
1专业知识	0.169	1-1全科医学基本理论、基本知识	0.085	1-1-1全科医学基本概念、基本理论和原则	0.022
				1-1-2全科医学相关人文社会科学知识	0.020
				1-1-3全科医学相关预防医学知识	0.022
				1-1-4全科医学相关科学研究知识	0.021
		1-2全科医学临床相关知识	0.084	1-2-1与疾病诊疗相关的各临床学科知识	0.022
				1-2-2中医和康复相关知识	0.020
				1-2-3临床服务常用技能操作规范	0.020
				1-2-4临床服务新进展及最新临床循证指南	0.022
2基本医疗服务能力	0.306	2-1临床诊疗服务	0.267	2-1-1智能辅助进行病史采集	0.022
				2-1-2智能获取或辅助体格检查	0.019
				2-1-3智能实验室检查的选择与结果解读	0.022
				2-1-4智能辅助诊断和鉴别诊断	0.022
				2-1-5健康咨询	0.021
				2-1-6智能辅助制定治疗方案	0.021
				2-1-7智能辅助进行危重症处理	0.021
				2-1-8智能辅助合理用药	0.021
				2-1-9智能辅助个性化康复及照护服务	0.020
				2-1-10智能辅助精准转诊	0.020
				2-1-11远程医疗照护服务	0.018
				2-1-12随访及慢性病监测服务	0.020
				2-1-13辅助医疗文书撰写	0.020
		2-2家庭保健服务	0.039	2-2-1家庭健康咨询	0.020
		2-2家庭保健服务	0.039	2-2-2家庭健康评估	0.019
3预防服务能力	0.239	3-1基本及重大公共卫生服务	0.157	3-1-1辅助居民健康档案建立和使用	0.022
				3-1-2健康宣教	0.020
				3-1-3孕产妇智能化保健服务	0.019
				3-1-4 0~6岁儿童智能化保健服务	0.021
				3-1-5老年人智能化健康服务	0.021
				3-1-6重型精神病智能化健康服务	0.016
				3-1-7辅助传染病及突发公共卫生事件报告和处置	0.019
				3-1-8辅助提供重大公共卫生服务	0.019
		3-2个性化健康管理服务	0.082	3-2-1个性化保健服务包的制定	0.020
				3-2-2健康风险因素评估及预测	0.021
				3-2-3中医药健康管理服务	0.019
				3-2-4体检规划	0.022
4医患沟通与医学伦理	0.145	4-1医患沟通	0.038	4-1-1倾听与共情	0.019
		4-1医患沟通	0.038	4-1-2辅助医患共同决策	0.019
		4-2医学伦理与法律	0.107	4-2-1遵守医疗法律法规	0.022
				4-2-2遵守职业道德	0.022
				4-2-3维护患者知情权和隐私权	0.020
				4-2-4服务风险识别与防范	0.022
5教育、学习与科研能力	0.141	5-1辅助教学能力	0.042	5-1-1辅助示教能力	0.021
		5-1辅助教学能力	0.042	5-1-2模拟实践培训	0.021
		5-2自主学习能力	0.040	5-2-1个性化课程学习	0.020
		5-2自主学习能力	0.040	5-2-2持续学习和更新能力	0.020
		5-3辅助科学研究能力	0.059	5-3-1辅助检索文献、解读和记录信息能力	0.020
		5-3辅助科学研究能力	0.059	5-3-2辅助撰写科研报告	0.019

[1]	牛奔, 朱晓倩, 杨辰, 梁万年, 刘珏. 基于CiteSpace的国内外医疗大语言模型研究热点演进及趋势分析[J]. 中国全科医学, 2025, 28(25): 3200-3208.
[2]	王慧, 胡银环, 冯显东, 刘莎, 汪洋帆. 人工智能在心理干预中的应用：效果、挑战与前景[J]. 中国全科医学, 2025, 28(25): 3209-3216.
[3]	潘琦, 任菁菁, 马方晖, 胡梦杰. 全科医师对AI辅助诊疗系统的认知与需求调查[J]. 中国全科医学, 2025, 28(25): 3127-3136.
[4]	杨辉. 全科医学研究脑洞：经济、健康、基本医疗服务的提供和利用[J]. 中国全科医学, 2025, 28(25): 0-C6.
[5]	崔珑严, 代高岚歆, 陶红兵. 全科医生亚专长培养模式的国际经验及对中国的启示[J]. 中国全科医学, 2025, 28(22): 2720-2725.
[6]	赵璨, 申颖, 陈培萌, 彭厚瑄, 奚谦, 顾劲梅, 覃丽, 梁睿莹, 左延莉. 广西壮族自治区经"5+3"路径培养的农村订单定向毕业生在乡镇卫生院应诊能力的评价性研究[J]. 中国全科医学, 2025, 28(22): 2731-2739.
[7]	闫温馨, 刘珏, 梁万年. DeepSeek赋能全科医学：潜在应用与展望[J]. 中国全科医学, 2025, 28(17): 2065-2069.
[8]	刘志扬, 李红艳, 杨创豪. 中国省际全科医生分布特征与均衡性研究[J]. 中国全科医学, 2025, 28(16): 1992-2000.
[9]	叶青, 陈明敏, 任菁菁. 基层全科医师发展精神卫生亚专长的必要性及路径探索[J]. 中国全科医学, 2025, 28(16): 1950-1954.
[10]	顾洁, 黄延焱. 罕见病诊治及全过程管理：全科医生的作用不可或缺[J]. 中国全科医学, 2025, 28(16): 1955-1960.
[11]	李伊婷, 徒文静, 尹婷婷, 梅紫琦, 张苏闽, 王萌, 徐桂华. 人工智能在炎症性肠病患者营养管理中应用的范围综述[J]. 中国全科医学, 2025, 28(14): 1709-1716.
[12]	史穆然, 武宁, 宋丽娟. 我国中医全科医生队伍发展现状及统计优化建议[J]. 中国全科医学, 2025, 28(13): 1560-1566.
[13]	黄晶, 苗依婷, 贺雪梅, 蒋东洋, 梁英. 我国全科医生工作满意度及影响因素的系统综述[J]. 中国全科医学, 2025, 28(10): 1220-1227.
[14]	王甘红, 张子豪, 奚美娟, 夏开建, 周燕婷, 陈健. 基于卷积神经网络建立中药材自动识别的人工智能模型及应用程序[J]. 中国全科医学, 2025, 28(09): 1128-1136.
[15]	张鹏, 刘力滴, 廖晓阳, 伍佳, 杨梓钰, 张亚琳. 基层医疗卫生机构全科医生工作满意度及影响因素研究[J]. 中国全科医学, 2025, 28(07): 869-874.