重磅丨《生成式AI在醫院藥學的應用場景及提示詞設計：多學科專家共識（2025）》發布，要點一文掌握！

編者按：生成式人工智能（Generative artificial intelligence, GenAI）以大語言模型為核心，正深刻重塑醫療健康領域的服務模式。在醫院藥學實踐中，GenAI已在處方審核、用藥指導、臨床決策支持及藥事管理等場景展現出應用潛力，但同時也面臨數據安全、模型可解釋性不足及“幻覺”風險等現實挑戰。提示詞工程（Prompt Engineering）作為人機交互的關鍵技術，其設計質量直接決定AI輸出的專業性、安全性與合規性。然而，目前我國尚缺乏適用于醫院藥學復雜業務場景的標準化提示詞框架。

為推動GenAI技術在醫院藥學領域的安全、有效、合規應用，中國醫院協會藥事專業委員會、國家衛生健康委醫院管理研究所藥學信息專家委員會聯合中國人工智能學會生物信息學與人工生命專業委員會等多學科專家，共同制定《生成式AI在醫院藥學的應用場景及提示詞設計：多學科專家共識（2025）》（以下簡稱《共識》）。北京大學第三醫院趙榮生教授、華中科技大學同濟醫學院附屬同濟醫院劉東教授任項目共同負責人及通信作者，北京大學第三醫院宋再偉、華中科技大學同濟醫學院附屬同濟醫院鄭鑒凌任共識秘書組組長，國家衛生健康委醫院管理研究所趙穎波研究員、清華大學自動化系汪小我教授等專家為共識項目提供了重要指導及支持。

該共識于2025年5月10日在武漢市召開啟動會，2025年10月26日在杭州市召開中期推進會，2026年1月27日召開了線上推薦意見形成會議，經文獻調研、提示詞效果評測、德爾菲法專家咨詢以及醫學人工智能領域專家外審，最終正式定稿。

該共識的發布，是醫院藥學從“信息化”向“數智化”轉型的重要探索。期望共識能激發更多高質量臨床實踐與學術研究，推動構建更加智能、高效、安全的藥學服務新范式，助力醫院藥學高質量發展。

共識推薦意見一覽

圖 1 共識推薦意見的總體框架圖

醫院藥學領域GenAI應用的總體原則

問題1：醫院藥學領域GenAI的應用應遵循什么總體原則？

推薦意見1:醫院藥學領域應用GenAI時，推薦遵循公平性（Fairness）、通用性（Universality）、可追溯性（Traceability）、可用性（Usability）、可靠性（Robustness）以及可解釋性（Explainability）的 FUTURE-AI原則，以保障藥學服務質量并促進可信賴的智能化應用落地。（強推薦，共識度100%）

醫院藥學領域GenAI提示詞的設計方法

問題2：醫院藥學領域GenAI提示詞的設計應遵循什么原則？

推薦意見2：醫院藥學領域GenAI提示詞的設計建議遵循以下原則：結構規范、表述清晰、任務分解、示例引導以及輸出定制。（強推薦，共識度100%）

問題3：醫院藥學領域GenAI提示詞的設計應遵循什么標準框架？

推薦意見3：醫院藥學領域GenAI提示詞的設計推薦遵循Pharm-E框架（圖1）。（強推薦，共識度100%）

圖2 醫院藥學領域提示詞設計的Pharm-E框架（紅色為必需元素）

應用GenAI的藥學服務場景及提示詞設計要點

問題4：推薦應用GenAI的藥學服務場景有哪些？

推薦意見4：推薦應用GenAI的藥學服務場景包括處方審核、臨床藥學服務以及患者用藥指導，具體包括智能輔助處方審核、藥學門診、藥物重整、用藥咨詢、用藥教育、藥學查房、藥學監護、治療藥物監測、藥學會診、居家藥學服務以及“互聯網+藥學服務”等。上述場景下，涉及患者數據必須脫敏或采用本地化部署模型，證據引用必須可追溯，輸出內容必須經人工終審后方可應用。（強推薦，共識度96.55%）

問題5：藥學服務場景下GenAI提示詞的設計要點有哪些？

推薦意見5：藥學服務場景下，GenAI提示詞的設計建議包含以下元素：任務目的（P）、場景描述（H）、任務摘要（A）、角色定位（R）、方法路徑（M）、循證依據與倫理準則（E）。（弱推薦，共識度96.55%）

問題6：推薦應用GenAI的藥學教育場景有哪些？

推薦意見6：推薦應用GenAI的藥學教育場景包括虛擬仿真教學、虛擬標準化患者、教學資源生成，具體包括設計教學計劃、生成虛擬病例、解答學生問題、創建考試題庫等，以實現智能輔助教師教學、學生學習以及課程助考。上述場景下，重要教學資料建議建立知識溯源機制，關鍵教學內容建議人工審核。（強推薦，共識度100%）

問題7：藥學教育場景下GenAI提示詞的設計要點有哪些？

推薦意見7：藥學教育場景下，GenAI提示詞的設計建議包含以下元素：任務目的（P）、場景描述（H）、任務摘要（A）、角色定位（R）、循證依據與倫理準則（E）。（弱推薦，共識度100%）

問題8：推薦應用GenAI的藥學科研場景有哪些？

推薦意見8：推薦應用GenAI的藥學科研場景包括研究趨勢分析、研究選題與設計、科研數據提取、數據統計分析、數據可視化呈現以及學術寫作輔助（如用于語言潤色、文本翻譯、參考文獻格式檢查）等，以提升科研效率。上述場景下，敏感數據必須脫敏或采用本地化部署模型，數據分析過程記錄必須保留，關鍵結果必須人工復核。（強推薦，共識度100%）

問題9：藥學科研場景下GenAI提示詞的設計要點有哪些？

推薦意見9：藥學科研場景下，GenAI提示詞的設計建議包含以下元素：任務目的（P）、場景描述（H）、任務摘要（A）、角色定位（R）、方法路徑（M）、循證依據與倫理準則（E）。（弱推薦，共識度100%）

問題10：推薦應用GenAI的藥事管理場景有哪些？

推薦意見10：推薦應用GenAI的藥事管理場景包括藥事制度管理、藥學信息管理、藥品供應管理、臨床用藥管理以及人力資源管理等。上述場景下，敏感數據必須脫敏或采用本地化部署模型。 （強推薦，共識度96.55%）

問題11：藥事管理場景下GenAI提示詞的設計要點有哪些？

推薦意見11：藥事管理場景下，GenAI提示詞的設計建議包含以下元素：任務目的（P）、場景描述（H）、任務摘要（A）、角色定位（R）。（弱推薦，共識度100%）

問題12：推薦應用GenAI的藥學科普場景有哪些？

推薦意見12：推薦應用GenAI的藥學科普場景包括構思科普選題、梳理科普要點、提出科普形式、生成科普作品（文字、圖片、視頻等）以及制定傳播方案。上述場景下，科普知識必須可追溯，對外發布前必須經人工終審確保準確性。（強推薦，共識度100%）

問題13：藥學科普場景下GenAI提示詞設計要點有哪些？

推薦意見13：藥學科普場景下，GenAI提示詞的設計建議包含以下元素：任務目的（P）、場景描述（H）、任務摘要（A）、角色定位（R）、方法路徑（M）、循證依據與倫理準則（E）。（弱推薦，共識度100%）

現階段醫院藥學場景應用GenAI的局限性

問題14：現階段醫院藥學場景中應用GenAI應重點關注哪些局限性？

推薦意見14：推薦對GenAI在醫院藥學中的應用保持熱情和謹慎，但不建議在缺乏數據脫敏、權限控制與日志審計的前提下將患者資料和內部數據直接上傳GenAI，不建議在缺乏人工終審的情況下將GenAI輸出內容直接用于診療決策、患者教育或公眾科普，以及不建議基于GenAI直接生成學術論文。（強推薦，共識度96.55%）

專家簡介

趙榮生 教授

北京大學第三醫院工會主席、藥學部主任

二級教授、主任藥師，博士生導師

英國曼徹斯特大學榮譽教授、ACCP理事會理事

國家藥典委員會 委員

國家衛生健康委藥事管理與藥物治療學委員會 委員

中國醫院協會藥事專委會 主任委員

中國藥師協會患者教育與科學普及工作委員會 主任委員

中國醫藥創新促進會醫藥政策專委會 主任委員

中國醫學裝備協會藥學裝備分會 主任委員

海峽兩岸醫藥衛生交流協會醫院藥學專委會 候任主任委員

中國藥學會醫院藥學專委會、循證藥學專委會 副主任委員

中國藥理學會治療藥物監測研究專委會、藥源性疾病學專委會 副主任委員

中華醫學會臨床藥學分會 常務委員

AJHP（中文版）主編

《中國藥房》副主編兼青年編委會主編

《中國醫院用藥評價與分析》副總編

《中國新藥雜志》、《臨床藥物治療》、《中國藥業》副主編

專家簡介

劉東 教授

主任藥師，博士生導師

華中科技大學同濟醫學院附屬同濟醫院藥學部總支書記

I期臨床試驗研究室副主任

武漢藥學會 理事長

中華醫學會臨床藥學分會 常務委員

中國藥學會醫院藥學專業委員會 委員

國家藥事管理專業質控中心專家委員會 委員

中國醫藥教育協會藥事管理專業委員 主任委員

海峽兩岸醫藥衛生交流協會醫院藥學專業委員會 常務委員

湖北省臨床藥學質控中心 主任委員

湖北省藥學會 副理事長

湖北省醫院協會藥事專業委員會 主任委員

《醫藥導報》主編

《國際臨床藥學雜志》（IJCP）中文版 主編

研究方向：醫院藥學、臨床藥理學和中藥藥理學

參考文獻：

生成式人工智能在醫院藥學的應用場景及提示詞設計：多學科專家共識（2025）

[J/OL]．醫藥導報. https://link.cnki.net/urlid/42.1293.r.20260213.1233.006

添加藥學瞭望管理員

進入學術交流群

《藥學瞭望》征稿邀請

01.投稿內容

征稿內容不限于：研究進展、團隊科研成果、臨床用藥經驗分享、典型病例解讀、疾病診治經驗、人文故事等

02.聯系人

投稿 | 學術報道 | 合作

投稿聯系人：劉老師 15201320201（微信同號）

投稿郵箱：contact@siri.ntesmail.com

（來源：藥學瞭望）