## 背景与问题

基层公共卫生服务中，慢性病随访、常见病筛查、产后访视等任务量巨大。社区卫生服务中心和乡镇卫生院的工作人员数量有限，往往需要每天拨打大量电话完成随访。人工外呼存在几个痛点：

- 效率低：每位基层医生一天只能完成几十通有效随访电话；
- 记录不规范：纸质或零散表格导致数据难以沉淀；
- 遗漏风险：需要按考核指标完成随访率，人工排班容易漏。

AI 语音随访系统可以自动外呼、自动识别患者应答、完成多轮问询，并将结果转化为结构化数据，辅助基层医生完成复核与干预。

## 方案设计

整体架构分为五层：

1. 调度中心：从任务列表读取随访任务，生成外呼指令，控制并发量。
2. 语音通道：对接运营商或云语音网关，完成外呼、录音、ASR 和 TTS 能力。实际工程中建议通过统一接口封装服务商差异。
3. 对话引擎：采用状态机管理每一步随访问题，维护会话上下文，根据用户转写结果推进状态。
4. 数据存储：使用数据库保存患者档案、随访记录、通话录音索引。使用 Redis 保存当前会话上下文和去重标记。
5. 管理后台：供基层医生查看随访结果、异常标记和复核工单。

对话流程示例：确认本人 -> 询问用药依从性 -> 询问症状 -> 结束语。每个节点都允许超时、未识别和“转人工”分支。

## 实现步骤

第一步：定义随访模板。随访问题以 JSON 配置维护，便于不同病种复用。例如慢病随访包含六个标准问题，可配置问题顺序和播报文案。

第二步：实现状态机核心逻辑。对话状态的变化由用户转写文本和当前状态决定。为了便于测试，可以先把状态机实现为纯 Python 函数，不依赖具体的语音服务商。

第三步：封装语音网关回调接口。语音网关在识别用户说话后会回调业务系统，业务系统需要实现一个 HTTP 接口接收转写文本和通话 ID，调用状态机后返回 TTS 播报文本和下一步动作。回调接口必须支持幂等操作，避免重复回复。

第四步：结果归档和异常处理。通话结束后，将完整会话记录、转写文本和音频文件关联保存，并生成结构化随访结论。出现未识别或疑似危急情况时，自动生成“需人工复核”工单。

下面给出一个简单的状态机示例，用于说明整个对话流转过程。

## 代码示例

```python
from dataclasses import dataclass, field
from typing import Dict

@dataclass
class FollowUpContext:
    patient_id: str
    state: str = 'ask_person'
    slots: Dict[str, str] = field(default_factory=dict)

    def update_state(self, next_state: str):
        self.state = next_state

def handle_step(ctx: FollowUpContext, transcript: str) -> dict:
    # 根据当前状态和用户转写文本，返回播报内容和下一状态
    text = transcript.strip()

    if ctx.state == 'ask_person':
        if any(w in text for w in ['我是', '是的', '对']):
            ctx.slots['person_confirmed'] = 'yes'
            return {'reply': '请问您最近按时服药了吗？', 'next_state': 'ask_medicine'}
        return {'reply': '好的，本次随访结束，再见。', 'next_state': 'end'}

    if ctx.state == 'ask_medicine':
        if any(w in text for w in ['有', '吃了', '按时']):
            ctx.slots['medicine_adherence'] = 'good'
            return {'reply': '很好，请继续坚持。请问您最近有什么不舒服吗？', 'next_state': 'ask_symptom'}
        if any(w in text for w in ['没有', '忘了', '漏服']):
            ctx.slots['medicine_adherence'] = 'poor'
            return {'reply': '建议您设置闹钟提醒，我们会安排医生跟进。请问您最近有什么不舒服吗？', 'next_state': 'ask_symptom'}
        return {'reply': '抱歉没有听清，请问您最近按时服药了吗？', 'next_state': 'ask_medicine'}

    if ctx.state == 'ask_symptom':
        if any(w in text for w in ['头晕', '胸闷', '乏力']):
            ctx.slots['symptom'] = text
            return {'reply': '已记录，建议您尽快到门诊复查。', 'next_state': 'manual_review'}
        if any(w in text for w in ['没有', '正常']):
            ctx.slots['symptom'] = 'none'
            return {'reply': '好的，请继续保持良好习惯。', 'next_state': 'end'}
        return {'reply': '您描述的情况我们会转给医生评估，再见。', 'next_state': 'manual_review'}

    return {'reply': '本次随访结束，感谢您的接听。', 'next_state': 'end'}

# 调用示例
ctx = FollowUpContext(patient_id='P001')
print('播报: 请问您是患者本人吗？')

for user_input in ['是的', '有', '偶尔头晕']:
    resp = handle_step(ctx, user_input)
    ctx.update_state(resp['next_state'])
    print('回复: ' + resp['reply'])
```

这段代码实现了四个核心规则：用户确认身份后才继续问询；用药问题支持肯定和否定两种答复；症状问题可以识别出需要人工复核的关键词；未识别时默认停留在当前状态，超过两轮则触发兜底转人工。实际生产环境还需要加入 ASR 置信度判断、TTS 打断处理、定时器超时分支等能力。状态机只是对话管理的一部分，真正的鲁棒性取决于对异常分支的覆盖。

## 注意事项

第一，患者隐私保护。通话涉及个人健康信息，必须对录音和转写文本进行加密存储，并设置严格的访问权限。在方案设计阶段就要把授权、知情同意和日志审计纳入系统。建议使用小流量灰度测试，避免影响正常服务。

第二，基层场景语音识别难度大。老年人带有方言、语速慢、环境噪声明显，需要给识别引擎添加医疗和常用药热词，同时对识别结果做归一化处理。例如“莫有”应映射为“没有”。

第三，外呼时间需要合规。随访电话应在社区人群可接受的时段内拨打，并设置频率上限。对于多次未接通或拒接的用户，不要反复外呼，改为短信提醒或人工处理。

第四，人工复核必不可少。AI 生成的随访结论只能作为初筛结果，后续需要基层医生在管理后台确认，特别是涉及危急症状、情绪异常或连续失访的记录。

第五，接口幂等和重试机制。语音网关注销回调和断线重连可能重复上报通话结果，回调接口应使用通话 ID 去重，避免重复生成随访记录。

第六，可观测性。需要记录每一通电话的呼叫状态、ASR 置信度、每轮对话耗时和错误码。这些指标既用于故障排查，也能帮助优化对话剧本。

## 总结

基层卫生 AI 语音随访系统并不是简单的“机器人打电话”，而是将呼叫能力、对话管理、医疗业务规则和数据沉淀相结合的工程系统。通过状态机驱动多轮对话，可以大幅减轻基层公卫人员的随访压力；通过结构化记录和人工复核机制，又能保证随访质量。

后续可以继续优化：

- 基于历史随访数据构建患者风险画像，优先随访高风险人群；
- 引入大语言模型增强开放性问题理解能力；
- 将随访结果自动同步至电子健康档案系统，形成完整信息闭环。

在技术选型时，建议优先选择经过大规模验证的语音服务能力，同时保持业务层与语音厂商解耦，这样即使更换供应商，对话逻辑和数据结构也能快速迁移。

基层公共卫生服务中，慢性病随访、常见病筛查、产后访视等任务量巨大。社区卫生服务中心和乡镇卫生院的工作人员数量有限，往往需要每天拨打大量电话完成随访。人工外呼存在几个痛点：

基层卫生AI语音随访系统的构建与落地

人工智能

音视频

后端

基于状态机驱动的AI语音随访系统，自动外呼并完成多轮问询，将通话转写为结构化数据。通过调度中心、语音通道、对话引擎和数据存储五层架构，提升基层公卫随访效率。系统支持慢病管理、产后访视等场景，包含用药依从性、症状筛查等标准问题。采用人工复核机制确保准确率，支持方言识别和隐私保护，显著降低人工外呼压力。

结构化数据

语音识别

数据存储

数据结构

代码解释

日志审计

数据库

短信

Python

Redis

JSON

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

基层卫生AI语音随访系统的构建与落地-腾讯云开发者社区-腾讯云

基层卫生AI语音随访系统的构建与落地

基层卫生AI语音随访系统的构建与落地

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐