肖 婧

我国成人血脂异常患病率高，但管理达标率低，临床实践中面临患者依从性差、个性化指导不足等挑战。大语言模型在医疗健康领域的应用潜力巨大。为此，本研究旨在构建一套专用于血脂管理场景的AI助手提示词工程框架。研究通过文献回顾与用户访谈明确需求，设计并实现了一个名为“脂健”（LipidCare）的血脂管理AI助手系统。其核心是构建了一个双模式交互引擎，产出了一份完整、可操作的提示词报告。未来工作需通过随机对照实验验证其临床效果，并建立知识库与临床指南的同步更新机制，以应对复杂场景，最终推动人工智能成为医患协同的有效补充工具。

血脂管理；人工智能；提示工程；大语言模型；慢性病管理

[1] 中国血脂管理指南修订联合专家委员会.中国血脂管理指南(2023年)[J].中华心血管病杂志,2023,51(3):221-255. [2] 范例,韩志华,张阿莲,等.英克司兰在ASCVD不同风险人群血脂管理中的临床应用分析[J].中国新药杂志,2026,35(01):64-71. [3] Zaghir J,Naguib M,Bjelogrlic M,Névéol A,Tannier X,Lovis C.Prompt Engineering Paradigms for Medical Applications:Scoping Review.J Med Internet Res.2024 Sep 10;26:e60501. [4] Kleinig O,Gao C,Kovoor JG,Gupta AK,Bacchi S,Chan WO.How to use large language models in ophthalmology:from prompt engineering to protecting confidentiality.Eye(Lond).2024 Mar;38(4):649-653. [5] 王东清,芦飞,张炳会,等.大语言模型中提示词工程综述[J].计算机系统应用,2025,34(1):1-10.https:// [6] 国家心血管病专家委员会心血管代谢医学专业委员会,高莹,郭远林.基层血脂管理适宜技术与质量控制中国专家建议(2025年)[J].中国循环杂志,2025,40(03):213-218. [7] 中国血脂管理指南修订联合专家委员会,王增武,李建军,等.中国血脂管理指南(基层版2024年)[J].中国全科医学,2024, 27(20):2429-2436. [8] Rosengren D B.Building Motivational Interviewing Skills:A Practitioner Workbook[M].Translated by Xin Tingxiang.Beijing:Posts& Telecom Press,2020.ISBN:9787115544506. [9] Sabit Ekin.Prompt Engineering For ChatGPT:A Quick Guide To Techniques,Tips,And Best Practices.TechRxiv.04 May,2023. [10] National Academy of Medicine;The Learning Health System Series.Artificial Intelligence in Health Care:The Hope,the Hype,the Promise,the Peril.Whicher D,Ahmed M,Israni ST,Matheny M,editors.Washington(DC):National Academies Press(US);2023 Aug 2.PMID:39146448. [11] Li Q,Yang X,Wang H,Liu L,Wang Q,Wang J,et al.From beginner to expert:modeling medical knowledge into general LLMs.ArXiv. Preprint posted online on January 7,2024.

点击下载PDF