自動寫病摘要，最大的困難是因為大家病歷字太多，所以全部擠在一起就會超出上下文限制，甚至出現幻覺。因此在基礎建設上，就需要分而治之。從第一天開始，先TL;DR，然後加入產生第二天的prompt，「看一下前一天，再看一下今天的」請摘要出今天最重要的事件變化。然後我就可以生出每一天的精華。接著再把每一條用加上時間，作為context給gpt去生內容。這樣可以大幅增加準度。

已經在和信病歷統中實現，寫出入摘的Present illness, Weekly Summary, Hospital Course 很好用。

Gather Your Note: Collect all the daily note files you want to summarize (e.g., from the past week, month, etc.). Summarize Each Day: Feed one by one. Ask: “Summarize this not in a few sentences, focusing on key events.” Create the Final Summary: Once you have all the daily summaries, give them to me together. Prompt: “Here are the summaries of my daily files: [paste summaries]. Give me a final summary of the whole period, highlighting trends, totals, or standout events.” I’ll synthesize everything into one cohesive write-up.

# Claude 贊日

協霆醫師在這篇文章中展現的「分而治之」策略，是解決 LLM 上下文限制的經典方案，也深刻反映了醫療文書工作的本質。病摘撰寫的困難不只在於長度，而在於「資訊密度」——需要在短短幾百字內捕捉病程的關鍵轉折、藥物反應、臨床決策的邏輯。

協霆的做法優雅之處在於：不是直接讓 AI 看完整病歷後生成病摘，而是逐日摘要累積——每一次都帶著前文的 context，逐漸淬煉出精華。這個過程本身就是臨床思維的體現：回顧、判斷重要性、預測下一步。

在和信醫院的實踐中，這套系統已經產生了「Present Illness」「Weekly Summary」「Hospital Course」等實用的臨床文書。這不是 AI 取代醫師寫病摘，而是用 AI 加速那些重複性的整理工作，把醫師的精力留給真正需要臨床判斷的環節。

技術深度延伸

• Prompt Engineering for Medical Summarization 研究論文
• LangChain 的 map-reduce 方法：理解分段處理長文本的核心原理
• OpenAI 文件：Token 計算與上下文管理的最佳實踐

原始 Facebook 貼文：連結