兼具专业与温度，首都医科大学发布NursGPT居家慢病管理大脑

来源：HIT专家网 作者：李崇铭

“在老年群体护理场景中，我们需要的是能够预警、化解危险且能进行良好语音沟通的伙伴。这正是NursGPT想要做到的。”

近日，在第四届北京人工智能产业创新发展大会“AI+医疗康养”分论坛上，首都医科大学临床护理学院发布了首款“护理知识图谱+大模型”双核驱动的居家慢病管理大脑——NursGPT，首都医科大学临床护理学院院长吴瑛介绍了NursGPT的应用场景和特点。

双重压力下，居家慢病管理需要借助数智技术

“我们正在面临‘银色巨浪’和‘慢病高发’的双重压力。”吴瑛介绍，目前我国失能老人数量已达到5270万，按当前增长速度估计，2050年这个数字将接近1亿。

失能老人数量增长背后是慢病管理的缺位。老年群体中，至少患有一种慢性疾病的占比71%，而当前慢病管理普遍处于“等出现问题、症状，才进行治疗”的被动应对方式。这不仅增加了慢病患者的死亡率，而且导致更多老年人失去生活自理能力，失能老人的家庭面临沉重负担。

传统的护理模式很难填补慢病老人与护士在数量上的巨大缺口。“我们没有办法给每个居家慢病患者都配一个护士。”吴瑛表示，老年群体需要“24小时陪伴+护理专业思维”的慢病管理，这需要借助数智技术，探索新的人机协同机制。

NursGPT：双核驱动，成为护士的“超级杠杆”

传统的健康管理系统“只报警、不干预”，并未形成真正的慢病管理闭环。而通用大模型又有“幻觉”，给不出严谨的建议。能不能打造一个拥有专业护士思维的智能助手，24小时守护老人的健康？正是这一构想，推动了NursGPT的研发。

面向老年人的慢病管理，首先要保证安全性，其次要交互简单且有温度。

在技术层面，NursGPT采用“护理推理知识图谱+大模型”的双核架构。研发团队将40余年的临床护理经验，以及首医系统35家医院护理人员的实践智慧作为NursGPT专业性的基础——将资深护士的临床推理和决策过程转变为推理模型，构建全新的护理推理知识图谱，最终形成NursGPT双核中的“推理核”（GUIDANCE护理推理知识图谱）。通过推理与知识图谱约束，解决大语言模型的“幻觉”难题，并保证输出结果可溯源，赋能从数据采集、分析、健康问题判断到护理干预、决策实施、决策反馈的一体化管理。

这样一来，大语言模型成为NursGPT的“生成核”，可提高系统的交互能力。大语言模型能够解读老年人的症状描述，将其转化为标准的医学表述，传递给推理核；再将推理核的判断转变为温和、易懂的语言，引导老年人进行操作。NursGPT的双核，让系统交互兼具专业度与人情味。

在系统设计层面，NursGPT坚持“人在环路”原则，也即AI给出的所有决策和建议，都必须经过护士审核。护士始终是照护的核心，AI永远不会代替护士，而是强化护士管理能力的“杠杆”。

赋能具身“小护”机器人应用实践

“NursGPT的核心价值在于依托医疗机构的保障与专业支持、社区的社会化照护与生活支持体系，将居家作为主动健康管理的主要场景和补充，让千家万户的老年慢病患者获得最专业的健康守护，让家人安心、放心。”吴瑛介绍，NursGPT目前已经在北京石景山、方庄、德胜门外等多个居民社区开展试点，还与北京安贞医院等医疗机构合作。搭载NursGPT的具身“小护”机器人将成为居家主动慢病管理的核心支撑，其主要功能包括：

视觉采集，主动识别老年人步态不稳的信号，提前发出跌倒预警；观察老年人的面色状态、生活方式、自我健康行为等；监测居家环境中的不安全因素；在危急情况发生时报警并联系急救等。

语音交互，像护理人员一样主动询问老年人的不适症状、病史，进行综合分析判断，及时提醒、预防、干预；识别情绪波动，进行心理疏导和抚慰等。

环境感知，采集老年人生理数据，监控居家环境温湿度信息。

值得注意的是，“护士主导，而非AI主导”的理念始终贯穿NursGPT的应用。系统与老年人交互中给出的初步建议，将同步至护士端；护士审核后，可对方案进行反馈、调整，必要时可安排上门服务。

吴瑛介绍，NursGPT还可根据使用过程中积累的数据，进一步完善推理路径和护理知识体系，提升模型精准度和护理效果，成为智慧养老的健康守护者。

【责任编辑：陈曦 版式：明超】