Evidence to Assessment.
从病历证据到可解释的失能等级评估。
MEDICAL EVIDENCE
17 ITEMS
AI + RULES
GT / REVIEW
长护险评估需要从文字病历走向量表判断。
项目围绕老人失能等级 AI 智能评估展开，将瘫痪、肌力、行动能力等病历证据映射到国家量表的 17 项评分项。
临床描述与评分项之间，需要可追溯的映射。
病历以证据描述人的状态，量表以评分项组织评估。系统需要把证据、映射关系和初步判断串联起来，让后续规则检查与人工复核有据可查。
保留判断依据，才能定位错误。
如果只呈现最终等级，便难以区分错误来自病历抽取、量表映射还是规则判断。项目围绕这一问题建立可解释的人机协同链路。
抽取、映射、初判、校验，再回到规则。
流程包含病历抽取、量表映射、AI 初判、规则校验、GT 评测与规则迭代。每个环节对应一个可以检查的中间结果。
组织可解释的评估闭环。
将病历证据与量表评分项关联，并串联评估、校验、错误分析和规则迭代。简历没有提供团队规模或更细的职责拆分。
Python 与错误分析支撑评估链路。
简历明确列出 AI 决策、Python 与 Error Analysis。没有注明模型供应商、检索框架或存储服务，因此不为本案例附加这些技术。
用 GT 评测反馈规则迭代。
通过 Ground Truth 对照评测和错误分析检查链路，再迭代规则。简历未提供准确率、样本规模、临床验证结果或正式上线状态。
形成可解释的人机协同链路。
项目把病历证据到量表评分的过程组织成可复核闭环。该结果是工程案例描述，不代表自动保险决策、临床有效性结论或已取得业务收益。
SOURCE / Robin Huang 个人简历。未提供的数据、上线状态与技术细节不作推断。