近日，自然語言處理（NLP）領域國際權威會議——2025年計算語言學與自然語言處理國際會議（EMNLP 2025）公布論文錄用結果，云知聲提交的《面向門診病歷生成的高質量醫患對話合成技術》（《High-Quality Medical Dialogue Synthesis for Improving EMR Generation》）成功入選Industry Track（工業賽道）。這一成果不僅是國際學術界對云知聲技術實力的高度認可，更標志著其在門診病歷生成領域實現重大技術突破，為中國醫療AI企業在全球垂直領域創新樹立標桿。

EMNLP由計算語言學協會（ACL）主辦，與ACL、NAACL、COLING并稱NLP領域“四大頂會”，是全球NLP技術創新與學術交流的核心平臺。其中Industry Track聚焦算法創新與產業應用深度融合，吸引了谷歌、亞馬遜、微軟、騰訊、阿里巴巴等全球頂尖科技企業參與角逐，本屆該賽道論文錄用率僅38%，競爭異常激烈。云知聲論文從眾多高水平成果中脫穎而出，充分證明其在AI技術與醫療場景結合領域的研究實力，已獲得國際學術界與產業界雙重認可。

此次技術突破，源于云知聲針對醫療場景中“真實醫療數據匱乏、病歷生成質量參差不齊”的核心痛點，創新性提出“意圖graph規劃”+ “雙智能體仿真”+ “規則-獎勵質量控制”三大模塊融合的醫患對話合成框架，為門診病歷生成提供高效解決方案。

在技術架構上，該框架構建了層層遞進的質量保障體系：首先通過 “意圖graph規劃”，從真實門診對話中抽取 “醫生問診癥狀時長”“患者反饋用藥情況” 等醫療意圖，聚合意圖轉換規律、估算意圖出現概率，形成符合臨床問診邏輯的線性意圖骨架與意圖graph，避免脫離醫療場景的無效交互；其次依托 “雙智能體仿真”，結合抽取的意圖graph與隨機采樣的患者畫像（含年齡、性別、疾病信息、語言風格等），分別啟動 “醫生智能體” 與 “患者智能體”，模擬臨床問診流程生成多輪連貫對話，如醫生智能體詢問 “您糖尿病病史多久？”，患者智能體結合畫像反饋 “二十年了，目前在用短效胰島素”；最后通過 “規則 - 獎勵質量控制”，一方面以醫學規則過濾錯誤用藥建議、矛盾癥狀描述等不符合臨床常識的內容，另一方面用獎勵模型對對話質量打分，僅保留高仿真、高醫學一致性的合成數據，形成優質訓練語料。

實驗數據充分驗證了該技術突破的實用價值：采用合成數據訓練后，病歷生成核心指標BLEU值從42.5提升至45.6，關鍵信息錯誤率（如病史時長、用藥信息錯誤）下降20%以上，醫生對生成病歷的編輯次數減少35%，大幅降低醫護人員工作量；同時，該框架在跨醫院測試中性能穩定，且所有合成數據不涉及真實患者隱私，完全符合隱私合規要求，為不同規模醫院的病歷生成與質控審核業務提供可落地、可推廣的方案。

作為深耕醫療AI領域的企業，云知聲依托其全棧的AGI技術和多年行業積累，針對醫療行業痛點，打造了多款覆蓋醫療全場景的智能產品和解決方案。覆蓋醫政醫管、臨床診療、醫保管理、患者服務等多個業務領域。服務于衛健委、醫保局、醫院管理者、醫護人員、患者等多類用戶。賦能醫療領域智能化建設，助力提升行業智能化水平。

目前，云知聲已將多項AI醫療相關技術深度轉化為產品，推出門診病歷生成、語音電子病歷等覆蓋診療全流程的核心產品——語音電子病歷可實時將醫患對話轉化為結構化文本，門診病歷生成產品能基于對話自動生成規范病歷，并已成功落地全國400余家醫院，優化醫療服務流程、提升診療效率與病歷質量，惠及眾多醫患群體。

此次論文成功入選EMNLP 2025，是云知聲技術積累與學術創新深度結合的又一重要成果。未來，云知聲將持續深耕智慧醫療領域，不斷拓寬技術邊界，積極探索AI技術與醫療場景融合的創新范式，為構建更智能、普惠的未來醫療生態貢獻力量。