多年体检报告纵向比较（按年份整理 → 核对单位 → 生成趋势 → 医生复核）
这套方法解决什么问题
普通人面对 2—5 年不同医院的体检报告，往往只能"逐年看一遍"，很难快速回答"尿酸是不是真的在涨""血脂比去年是好了还是差了"这类跨年问题。本方法的目标是把多年报告按相同指标对齐成趋势，再交给医生复核，不在 AI 这一步下诊断结论。
步骤
- 收集与可读性核对：先把所有年份的报告汇总，逐份确认文件能被所用模型读取。扫描件、部分影像、心电图、病理报告通常不被通用对话模型支持，需要提前标注为"AI 不能读"。
- 核对单位与参考区间：在比较之前，先把不同医院同一项目的单位（如 mg/dL 与 mmol/L）和参考区间列出来。来源未对齐就不能直接比数字差异。
- 角色与规则提示：用"假如你是一名医生"作为风格提示，同时明确写出"只做事实整理与通俗解释，不下诊断结论，所有建议标注'待医生复核'"。这是 角色与规则约束提示词 的标准做法。
- 要求结构化输出：让模型先输出"指标 × 年份"趋势表（数值、单位、参考区间、是否异常），再对异常项做通俗解释。结构化先于叙述，避免模型跳过数字直接给结论。
- 标记无法覆盖的部分：明确写出哪一年的报告未被读取、哪些项目没有可比数据，避免读者把"AI 没提"误读成"没问题"。
- 医生复核：把趋势表和异常解释带去见医生，由医务人员结合症状和病史给出诊断、复查周期、用药与就诊科室建议。AI 输出全程只作为问题清单与沟通起点。
适用条件
- 报告为可识别文字版的 PDF 或文本格式。
- 至少有两份同指标可比的报告。
- 使用者愿意把最终判断交给医生，而不是依赖 AI 给出结论。
不适用与边界
- 扫描版报告或影像类材料：通用对话模型可能不支持，需要 OCR 预处理或人工补录。
- 急性症状：本方法不替代急诊就诊。
- 跨医院单位差异未核对前：不要把数字差异直接解释成"好转"或"恶化"。
- 用药剂量与治疗方案：AI 不能给出可执行建议，必须由医生决定。
作者提供的经验与失败点
- qlxsbridge 在 SRC-LIFE-005 中坦诚 2022 年扫描版未被识别，标题"前四年"实际只有三年有效。
- 来源没有医生复核环节，作者明确"角色提示不能赋予模型医生资质"。
- 来源未给出所使用平台的数据保存与训练用途政策，作者仅以"应查看"提示读者。
相关任务、工具与风险
来源边界
- 本方法的可复用性来自个人实践与一般医疗安全原则，不构成对任何模型的医学能力证明。
- 涉及诊断、用药、复查周期、就诊科室、影像与病理的内容，必须由合格医务人员结合症状和病史复核。