近日，自然语言处理（NLP）领域国际权威会议 ——2025 年计算语言学与自然语言处理国际会议（EMNLP 2025）公布论文录用结果，云知声提交的《面向门诊病历生成的高质量医患对话合成技术》（《High-Quality Medical Dialogue Synthesis for Improving EMR Generation》）成功入选 Industry Track（工业赛道）。这一成果不仅是国际学术界对云知声技术实力的高度认可，更标志着其在门诊病历生成领域实现重大技术突破，为中国医疗 AI 企业在全球垂直领域创新树立标杆。
EMNLP 由计算语言学协会（ACL）主办，与 ACL、NAACL、COLING 并称 NLP 领域 “四大顶会”，是全球 NLP 技术创新与学术交流的核心平台。其中 Industry Track聚焦算法创新与产业应用深度融合，吸引了谷歌、亚马逊、微软、腾讯、阿里巴巴等全球顶尖科技企业参与角逐，本届该赛道论文录用率仅 38%，竞争异常激烈。云知声论文从众多高水平成果中脱颖而出，充分证明其在AI技术与医疗场景结合领域的研究实力，已获得国际学术界与产业界双重认可。
此次技术突破，源于云知声针对医疗场景中 “真实医疗数据匮乏、病历生成质量参差不齐” 的核心痛点，创新性提出 “意图graph规划” + “双智能体仿真” + “规则 - 奖励质量控制” 三大模块融合的医患对话合成框架，为门诊病历生成提供高效解决方案。
在技术架构上，该框架构建了层层递进的质量保障体系：首先通过 “意图graph规划”，从真实门诊对话中抽取 “医生问诊症状时长”“患者反馈用药情况” 等医疗意图，聚合意图转换规律、估算意图出现概率，形成符合临床问诊逻辑的线性意图骨架与意图graph，避免脱离医疗场景的无效交互；其次依托 “双智能体仿真”，结合抽取的意图graph与随机采样的患者画像（含年龄、性别、疾病信息、语言风格等），分别启动 “医生智能体” 与 “患者智能体”，模拟临床问诊流程生成多轮连贯对话，如医生智能体询问 “您糖尿病病史多久？”，患者智能体结合画像反馈 “二十年了，目前在用短效胰岛素”；最后通过 “规则 - 奖励质量控制”，一方面以医学规则过滤错误用药建议、矛盾症状描述等不符合临床常识的内容，另一方面用奖励模型对对话质量打分，仅保留高仿真、高医学一致性的合成数据，形成优质训练语料。
实验数据充分验证了该技术突破的实用价值：采用合成数据训练后，病历生成核心指标 BLEU值从 42.5 提升至 45.6，关键信息错误率（如病史时长、用药信息错误）下降 20% 以上，医生对生成病历的编辑次数减少 35%，大幅降低医护人员工作量；同时，该框架在跨医院测试中性能稳定，且所有合成数据不涉及真实患者隐私，完全符合隐私合规要求，为不同规模医院的病历生成与质控审核业务提供可落地、可推广的方案。
作为深耕医疗 AI 领域的企业，云知声依托其全栈的AGI技术和多年行业积累，针对医疗行业痛点，打造了多款覆盖医疗全场景的智能产品和解决方案。覆盖医政医管、临床诊疗、医保管理、患者服务等多个业务领域。服务于卫健委、医保局、医院管理者、医护人员、患者等多类用户。赋能医疗领域智能化建设，助力提升行业智能化水平。
目前，云知声已将多项AI医疗相关技术深度转化为产品，推出门诊病历生成、语音电子病历等覆盖诊疗全流程的核心产品 —— 语音电子病历可实时将医患对话转化为结构化文本，门诊病历生成产品能基于对话自动生成规范病历，并已成功落地全国 400 余家医院，优化医疗服务流程、提升诊疗效率与病历质量，惠及众多医患群体。
此次论文成功入选EMNLP 2025，是云知声技术积累与学术创新深度结合的又一重要成果。未来，云知声将持续深耕智慧医疗领域，不断拓宽技术边界，积极探索AI技术与医疗场景融合的创新范式，为构建更智能、普惠的未来医疗生态贡献力量。
