设计思路
从行业洞察到产品落地的四步法，点击任一步骤展开详细落地动作。
STEP 01
需求洞察
从医院、药企、医保三端梳理 HEOR 痛点，对齐 14 届南方卫生经济学大会专家共识。
STEP 02
方法学锚定
以 CHEERS-AI 2025、ISPOR BIA/CEA 指南、中国医保谈判方法学为基线进行映射。
STEP 03
多智能体编排
拆解为文献、建模、价格、报告、沙盒等子智能体，分工协作并相互校验。
STEP 04
人机闭环
AI 输出 → 研究者审核 → 留痕反馈 → 模型/Prompt 迭代，确保可重复与可审计。
技术流程
数据 → 知识 → 智能体 → 留痕 → 核验 → 交付，六层架构串起所有模块。
STAGE 01
数据接入
EMR / HIS / 医保 / 试验，OMOP CDM 标准化
STAGE 02
知识层
疾病知识库 + 方法学模板 + 案例池
STAGE 03
智能体编排
文献 · 建模 · 价格 · CHEERS · 沙盒
STAGE 04
推理留痕
Prompt / 引用 / 中间结果全链路记录
STAGE 05
人工核验
研究者审核 · 标注 · 签署
STAGE 06
证据交付
报告 / dossier / 谈判材料 / 学术发表
关键挑战
来自第 14 届南方卫生经济学大会与海南南海健康产业研究院的一线观察。
数据稀缺与异构
RWD 字段不齐、跨机构口径不统一，难以直接喂入模型。
方法学缺乏标准
AI+HEOR 尚无统一'最佳实践'，研究质量参差。
可解释性不足
黑盒模型难以满足医保与监管对透明度的要求。
人才与工具断层
懂卫生经济与懂工程化的人才同时稀缺。
核心原则
所有模块都遵循下述原则，确保 AI 输出可被同行复核、被监管接受。
透明披露
AI 工具、版本、训练数据来源、提示词、人工监督流程全部留痕。
可重复
每个案例提供输入参数、关键步骤、复现路径与基线指标。
人工核验
AI 生成的检索式、参数、结论均需研究者复核后方可使用。
证据分级
区分高/中/低置信度，结合 RWE 与 RCT 证据强度差异化呈现。