证据优先原则
严格遵循 Evidence-first（证据优先）原则，优先匹配医学知识库中的高质量证据，再利用 AI 能力归纳总结。
核心能力
依托"RAG+医学知识图谱"架构，坚守"证据优先"原则，做临床循证决策的"第二大脑"。
低幻觉、高可信度
采用 "RAG + Prompt Engineering + 医学知识图谱" 混合架构，从源头确保信息准确性，最大程度杜绝模型幻觉。
权威循证数据
基于海量权威医学知识库进行训练与检索，句句有出处，所有引用均可点击追溯原文。
开放平台 · 面向开发者
统一的行业智能接口，从接入、监控到迭代，全链路为开发者而设计。
- 标准化 REST / SDK 能力，分钟级打通业务系统。
- 多环境沙箱与调试工具，让每一次调用都可追踪、可回放。
- 细粒度额度与安全策略，保障核心业务稳定运行。
$ de query --guide oncology --question "一线治疗方案？"
> loading evidence graph...
> 128 trials & 42 guidelines matched
> filtering by population & endpoints...
> reasoning chain built
> answer synthesized with citations
> export guideline summary to PDF
提问指南
如何正确向 DeepEvidence 提问？
提问合理
DeepEvidence 需要接收完整的问题句子才能工作。单独的医学名词（疾病名、药物名、检验指标）不是问题，系统无法从中推断您真正需要什么。
- 阿司匹林能与 PD-1 药物一起使用吗？
- 2 型糖尿病合并心衰患者，SGLT-2 抑制剂是否优先于二甲双胍？
提问清晰
提供具体数值而非描述性语言，复杂问题逐渐拆分追问并明确您的决策目标，系统可给出精准循证答案。
- 65 岁老人，使用阿司匹林进行心血管二级预防，推荐剂量是多少？
- 社区获得性肺炎，住院患者，PORT 评分 III 级，无青霉素过敏，首选抗菌方案是什么？
提问不合理
单独名词无法构成有效问题。
- 阿司匹林
- 糖尿病
提问不清晰
缺乏关键信息导致答案泛泛而谈。
- 阿司匹林怎么吃？
- 抗生素怎么选择？
DeepEvidence ≠ 通用 LLM 模型
无需设定角色
不会捏造文献，拒绝AI幻觉
无需联网搜索全网文献
专注医学，不使用通用对话
落地案例
聚焦真实业务场景，展示可复制的行业实践。
AI 赋能全院循证决策
为医生、护士、药师打造智能循证引擎。秒级响应查证，以高质量证据辅助精准诊疗，全面升级医院循证实践能力。
MSL 智能循证助手
专为医学联络官打造的循证引擎。一键获取精准药品信息，提供门诊即时学术支援与疑难病例深度解析，让每一次对话都更具科学说服力。
让新药知识更快触发临床
掌握药品说明书数字主权：
从“静态合规”向“动态增长”的范式转移
在A时代，药品说明书不再是冷冰冰的合规文件，而企业通往临床医生决策入口的“绿色通道”。
辉瑞绿叶制药正大天晴丽珠集团上海联合赛尔江苏奥委康药业泽璟制药华泰晨光辉瑞绿叶制药正大天晴丽珠集团上海联合赛尔江苏奥委康药业泽璟制药华泰晨光
常见问题解答
让每一次临床决策，都有证据支撑 — 快速了解 DeepEvidence 的功能与使用方法。
DeepEvidence 是什么类型的产品？
DeepEvidence 是由梅斯医学（MedSci）开发的基于 RAG（检索增强生成）技术的医学人工智能产品。它专为医生的临床决策和科研工作而设计，从高质量医学知识库中检索循证医学证据，帮助医生做出有据可依的判断。
我们的 Slogan：「让每一次临床决策，都有证据支撑」
DeepEvidence 主要面向以下人群：
临床医生
研究生、博士后、科研人员
药师、护理人员
医学教育工作者
医药企业医学、市场、战略与研究团队
💡 DeepEvidence 不是通用聊天机器人，而是专注于医学领域的循证 AI 助手，所有回答都基于真实文献与权威指南。
系统分析的主要数据类型有哪些？
是否可以直接用于临床诊疗决策？
支持哪些典型临床应用场景？
是否提供中文界面与本地化支持？