医疗科技 · OpenClaw 用户案例

医疗从业者的
AI
诊疗引擎

患者随访效率提升 8 倍。科研文献零遗漏。一个 AI Agent 网络替代行政助理——每月仅 $16。

🩺

Dr. Emily Zhang · 全科医生 & 健康管理顾问

私人诊所 · 800+ 患者 · 全科+慢病管理

随访效率

AI Agent

10h

每周节省

800+

患者

openclaw — healthcare-agents — live

▶ follow_up_bot.scan()

scanning patient records...

✓ 12 patients due for follow-up today

⚠ Mr. Wang — HbA1c trending up, schedule consult

★ 3 patients completed medication course — review

▶ literature_scout.brief(topics=["diabetes","hypertension"])

monitoring 234 journals...

✓ New meta-analysis: SGLT2 inhibitors + CKD outcomes

★ WHO guideline update — hypertension thresholds revised

→ 2 patients may benefit from protocol change

▶ clinic_pulse.report()

today: 18 appointments · 3 telehealth

↑ patient satisfaction: 4.8/5.0

→ 5 insurance claims pending review

痛点

患者激增，
精力不足

800+ 患者的慢病管理、文献追踪和行政事务，让每位全科医生都在超负荷运转。

患者随访跟不上

800+ 患者中大量慢病需要定期随访。手动跟踪随访日期、检查结果和用药变化几乎不可能。遗漏随访 = 病情恶化风险。

医学文献爆炸

每周数千篇新论文发表，涵盖糖尿病、高血压、心血管等核心领域。手动筛选不可能覆盖全面，错过关键指南更新直接影响诊疗质量。

行政文书负担

病历书写、转诊函、保险索赔——每天 2 小时以上花在非临床工作。每一分钟文书时间都从患者诊疗中偷走。

慢病管理碎片化

缺乏系统性的人群健康追踪。无法快速识别哪些患者的 HbA1c 在恶化、哪些人该换药、哪些人已脱落随访。

患者教育重复性高

每天解释同样的疾病知识、用药注意事项和生活方式建议数十次。高频重复消耗精力，且口头沟通信息留存率低。

诊所运营低效

排班冲突、爽约率高、候诊时间长。没有数据驱动的排程优化，诊所产能利用率不到 70%。

解决方案

你的4-Agent
诊疗网络

四个专业 Agent 覆盖诊疗流程的每一环——7×24 运行，你只处理真正需要临床判断的事。

🏥

FollowUpBot

患者随访 Agent

每天扫描全部患者记录，自动识别需要随访的患者。追踪慢病指标趋势（HbA1c、血压、BMI），标记风险患者，发送随访提醒，追踪随访结果。将随访完成率从 45% 提升到 96%。

record_scan risk_flag reminder_send outcome_track

随访完成率 45% → 96%

📚

LiteratureScout

文献追踪 Agent

持续监控 234 种医学期刊和指南数据库，筛选与诊所患者群相关的新研究。自动生成中文摘要，标记可能影响现有治疗方案的指南变更，并推荐受影响的患者名单。

journal_scan relevance_filter summary_gen protocol_suggest

文献覆盖 20篇/周 → 200篇/周

📋

ChartAssist

病历助手 Agent

根据问诊对话自动起草 SOAP 格式病历，生成规范化转诊函，准备保险索赔材料，填充常用模板。将每天 2 小时的文书工作压缩到 20 分钟，让医生专注于临床。

note_draft referral_gen claim_prep template_fill

文书时间 2h/天 → 20min

💬

PatientEdu

患者教育 Agent

根据患者的具体诊断和文化背景，自动生成个性化的健康教育材料。支持多语言适配、推荐相关视频资源、追踪患者的依从性数据。将重复性教育沟通标准化、规模化。

material_gen language_adapt video_suggest compliance_track

患者依从性 55% → 82%

📊

ClinicPulse

诊所运营 Agent · 全局监控

优化排班逻辑，预测爽约风险，规划诊所产能，追踪患者满意度。整合所有 Agent 数据生成运营洞察，帮助诊所从经验驱动转向数据驱动。

schedule_optimize noshow_predict capacity_plan satisfaction_track

诊所日报仪表盘示例

今日预约：18 门诊 · 3 远程问诊 · 2 空闲可补

✓ 产能：利用率 92%——较上周 +8%

⚠ 爽约：预测 2 位患者可能爽约——已发送二次确认

满意度：本周 4.8/5.0 — 较上月 4.2 显著提升

待处理：5 份保险索赔待审核 · 3 份转诊函待签

每日工作流

Emily 的自动化
诊疗周

Agent 持续运行。Emily 只与精选、高优先级输出互动——而非原始数据。

// Agent 活动时间线

06:30

每日

FollowUpBot → 随访提醒

扫描全部患者记录，生成今日随访清单。标记 HbA1c 恶化、血压异常等高风险患者。推送到微信和邮箱。

output: daily_followup_list

08:00

每日

ClinicPulse → 日程优化

检查今日排班、预测爽约概率、建议补位患者。标记需要额外时间的复杂病例。

output: schedule_optimized

12:00

每日

LiteratureScout → 文献简报

午休时推送当日医学文献精选。本周：SGLT2 抑制剂新 meta 分析，WHO 高血压指南更新，2 位患者可能需调整方案。

output: literature_brief

15:00

每日

ChartAssist → 病历更新

整理上午问诊记录，自动补全病历模板，准备转诊函和保险索赔材料。Emily 只需 5 分钟审核签字。

output: charts_updated

按需

随时

PatientEdu → 患者材料

问诊时即时生成个性化教育材料。根据患者年龄、文化背景和理解力调整内容，附带推荐视频。

output: patient_materials

周日

每周

All Agents → 诊所周报

合并周报：随访完成率、文献更新摘要、诊所运营指标、患者满意度趋势、下周重点关注患者名单。

output: weekly_clinic_report

// 每周回收时间

Emily 过去每天花 2+ 小时在病历、随访和文献上。现在每天花 30 分钟审查 Agent 输出并处理高优先级项。每周 10+ 小时回收。

// 患者满意度变化

随访不再遗漏，候诊时间缩短，教育材料个性化。患者满意度从 4.2/5.0 提升至 4.8/5.0。Google 评分上升一个档次。

// LiteratureScout 关键发现

LiteratureScout 识别了 WHO 高血压指南更新，标记了诊所中 30 位患者可能需要调整治疗方案。Emily 在指南发布 48 小时内完成了全部方案审查。零遗漏，零延迟。

// 总月成本

在 OpenClaw 上运行全部 4 个 Agent 每月约 $16 LLM token 成本。兼职行政助理每月 $2,000–3,000。Agent 7×24 工作，永不遗漏。

配置指南

OpenClaw 配置
参考

Emily 医疗 Agent 网络的核心配置。根据你的专科和患者群调整。

agents/follow-up-bot.json

{
  "id": "follow-up-bot",
  "schedule": "30 6 * * *",
  // 每天 6:30am
  "chronic_conditions": [
    "diabetes", "hypertension",
    "COPD", "CKD"
    // 添加你的慢病类型
  ],
  "risk_thresholds": {
    "hba1c_alert": 7.5,
    "bp_systolic_alert": 140,
    "missed_visits_alert": 2
  },
  "reminder_channels": [
    "wechat", "sms"
  ],
  "output": "email + wechat"
}

LiteratureScout — 期刊配置

# LiteratureScout 期刊监控配置

JOURNALS:
  - NEJM
  - The Lancet
  - BMJ
  - JAMA
  - Diabetes Care
  - Hypertension

TOPICS:
  - type 2 diabetes
  - hypertension management
  - SGLT2 inhibitors
  - preventive care

GUIDELINE_SOURCES:
  - WHO
  - ADA
  - AHA
  - 中华医学会

FILTERS:
  min_relevance: 0.6
  study_types: ["RCT", "meta-analysis", "guideline"]
  language: ["en", "zh"]

ChartAssist — 系统提示词

# ChartAssist 指令

你是专业的医疗文书助手。根据问诊
对话记录，生成规范化的临床文档。

始终产出：
1. SOAP 格式病历
   （主观、客观、评估、计划）

2. 结构化用药清单
   含剂量、频次、注意事项
3. 转诊函（如需要）
   含完整病史摘要
4. 保险索赔材料
   含 ICD-10 编码
5. 患者随访计划
   含下次检查日期

不要：做临床诊断或处方决策。
你的工作是文档，不是医疗。

语气：专业、简洁、规范。
符合医疗文书标准。

ClinicPulse — 排程规则

# ClinicPulse 排程优化配置

SCHEDULING:
  slot_duration: 20  # 分钟/患者
  complex_case_duration: 40
  telehealth_slots: 3  # 每天
  buffer_slots: 2  # 紧急预留

NOSHOW_PREDICTION:
  model: "history_based"
  threshold: 0.3  # 30%+ 发二次确认
  confirm_channel: "sms + wechat"

CAPACITY:
  target_utilization: 0.90
  max_daily_patients: 22
  lunch_break: "12:00-13:00"

REPORTING:
  daily_summary: "8:00 AM"
  weekly_report: "Sunday 9:00 AM"
  satisfaction_survey: "post_visit"

90 天后结果

Emily 的数据

运行完整医疗 Agent 网络三个月。变化如下。

随访效率提升——从手动追踪到全自动风险识别和提醒

10h

每周从行政文书和手动随访中回收的小时数

$16

4 个 Agent 月成本——vs 兼职行政助理 $2K+

LiteratureScout 在 WHO 更新高血压指南 48 小时内就帮我识别了 30 位需要调整方案的患者。过去这种信息可能几个月后我才偶然看到。Agent 不是帮我省时间——它们帮我成为了更好的医生。

Dr. Emily Zhang

// 全科医生 & 健康管理顾问 · 800+ 患者

医疗从业者的 AI 诊疗引擎

患者激增，精力不足

你的4-Agent诊疗网络