一、产品定位与目标用户

定位：专业化、高可信的医学题库与训练工具，强调临床思维、影像判断与主观题训练（含人工/AI混合批改）。
目标用户：

• 医学生（本科、临床实习）

• 规培/住院医师/进修医师（技能与考证）

• 参加执业/主治医师考试的考生

• 医学院教师与培训机构（布置作业、批改、教学管理）

• 医院内训/继续医学教育（CME）平台

二、核心价值与产品目标

• 帮助学员构建系统化医学知识体系、提升临床判断能力与应试能力。

• 提供高质量、可验证的题库，支持图片/影像/病例题。

• 支持主客观题混合批改：客观题自动判分，主观题 AI+人工复核。

• 支持临床场景训练与能力画像。

三、核心功能模块

1) 用户端（小程序）

• 注册/登录（手机号/微信/学号）；支持机构单点登录（SSO）。

• 学习路径：按考试（执业/主治/规培）或学科（内科/外科/影像/病理）选择学习计划。

• 练习模式：

• 专项训练：按知识点/疾病/题型/难度筛选；

• 模拟考试：按考试规范计时、禁看解析；支持试卷多套和组卷规则；

• 临床病例训练：完整病史 + 检查数据 + 影像，要求写诊断/处理/处方等（文本/结构化答案）；

• 影像题库：支持高清放大、窗位、序列播放（若接入PACS/视频）；

• 错题本 & SRS复习：间隔重复算法安排复习。

• 答题交互：

• 支持富文本、结构化输入、代码/公式不常用，但支持表格、药物处方模板；

• 图片/拍照上传（病理切片、答题纸、手写处方）；

• 语音/视频问答（可选）用于主观评估或模拟沟通。

• 结果与学习报告：能力画像（诊断、治疗、影像、病例总结等维度）、历次成绩对比、薄弱知识点提示。

2) 教师/机构端（Web 或 小程序）

• 班级管理、学员批量导入/分班。

• 试卷/题库管理：题目上传（支持DICOM/PNG/JPEG）、题型模版、题目审核流程与版本控制。

• 批改面板：主观题人工批改、二次复核、评分量表与批注。

• 作业布置与学情分析：按班级/学生导出成绩单、错题分布热图。

• 教师题库贡献与收入分配。

3) 管理后台（平台端）

• 用户与权限管理（学生/教师/管理员/审题人）。

• 题库治理：题目来源管理、审题流程、参考文献与证据链。

• 支付、订单、订阅与发票管理。

• 数据分析：活跃、留存、通过率、题目难度曲线。

• 合规/审计日志：所有批改与评分记录留痕。

四、题型与评分设计

题型

• 选择题（单选/多选）

• 判断题（true/false）

• 简答题（短文本）

• 病例分析题（长文本：主诉/现病史/查体/辅助检查→诊断/鉴别/处理）

• 影像题（X线/CT/MRI/病理片/心电图）：图片 + 问答

• 处方/处置题（结构化表单：药物名称/剂量/给法/注意事项）

• 操作流程题（步骤排序/要点描述）

评分机制

• 客观题自动判分（含部分客观多选判分策略）；

• 主观题：AI 自动给出初评分与关键点评估（是否包含关键诊断/处理步骤），并标注争议点；最终由人工医师复核（必要时开启二审）；

• 评分量表模板（教师可自定义）：诊断正确性、处理完整性、给药安全性、沟通与伦理考虑等维度分项评分；

• 支持“证据链”展示：每个关键评分点可链接参考文献/指南（如NCCN、指南或教科书摘录）。

五、医学合规与伦理

• 医学内容为教育用途，不能构成诊疗建议声明：所有页面须明显提示“仅供学习参考，非临床诊断依据”。

• 隐私合规：若题目或用户上传真实病例影像，须脱敏（去除患者姓名、身份证号、条码等）；保存与传输需加密；遵守当地个人信息保护法规（如中国个人信息保护法或 HIPAA 在美）。

• 专家审核：高价值题库/解析应由资深临床专家审核并留存审稿记录。

• 未成年人政策：若涉及未成年人学习/支付权，符合相关监管政策。

六、智能与算法建议

1. 题目难度与能力模型：采用 IRT（项目反应理论）+题目统计（区分度、难度）对题目建模，支持自适应组卷（CAT）。

2. 能力画像与个性化推荐：基于答题记录与错误类型构建多维能力画像，推荐练习计划。

3. 主观题 NLP 评分：结合医学专用词表、医学实体识别 (NER)、句子相似度与关键点匹配。AI 给出诊断匹配率与缺失项提示供人工复核。

4. 影像题智能辅助（可选）：导入轻量级影像模型做辅助提示（例如X线肺炎可疑区域），但明确为学习辅助，不做诊断结论。

5. 错题复习策略：间隔重复 + 针对性题目池（同类题型、变题型训练）。

七、技术架构（推荐简洁版）

• 前端：微信小程序（/H5） + 教师后台 Web（React/Vue）

• 后端：Node.js（NestJS 或 Express） 或 Python（Django/FastAPI）

• 数据库：PostgreSQL 或 MySQL；Redis（缓存）

• 存储：对象存储（OSS/COS）保存图片/DICOM（加密）；CDN 加速

• 队列/异步：RabbitMQ / Celery（用于 AI 批改、影像处理）

• AI 服务：Python 微服务，模型部署在 GPU 节点或调用云端推理服务

• 部署：Docker + Kubernetes，支持私有化政企部署

• 日志与审计：Elastic Stack 或云监控，记录所有评分修改和审阅行为

八、商业化与运营策略

• 付费模式：订阅制（按月/年）、考试类单套模拟卷付费、置顶题库包（例如：执业/主治冲刺包）、人工批改服务收费（按题或按次数）。

• 机构合作：医学院校/培训机构/医院包年授权、私有化部署与题库定制。

• 教师生态：鼓励临床教师上传题目、按贡献分成（题库市场）。

• 流量与留存：免费测评→定制学习路径→试卷打卡→社群督学（付费转化）。