循证护理也有大模型了：复旦团队把67万份证据装进EviNurse，316名护士试用一周
复旦大学护理学院联合Fudan DISC团队9月9日发表于《npj Digital Medicine》：基于NursData数据集（5S证据金字塔组织67万+资料）与Qwen3-32B+RAG构建循证护理大模型EviNurse；3438道多选题准确率91.45%，15名专家盲评显著优于通用模型（P<0.001），316名护士六维度可用性评价全部良好，模型数据集已开源。
趋势前瞻 × AI技术供应商 ｜ 科普解读
医生有了不下十个医疗大模型，护士呢？几乎没有。 9月9日，这个空白被一支中国团队补上了一块：复旦大学护理学院联合复旦大学数据智能与社会计算课题组（Fudan DISC）开发的循证护理大模型EviNurse，正式发表在《npj Digital Medicine》（DOI: 10.1038/s41746-026-03229-6）。这是国内首个面向护士的循证护理智慧应答模型——而且它的全部评测数据，都经得起推敲。
先说什么是循证护理，为什么护士找证据这么难
循证护理的核心逻辑，是护士做临床决策时不凭经验直觉，而是引用当前最优的研究证据。问题在于证据散落在期刊论文、临床指南、专业书籍和政策文件里。一个典型场景：夜班护士想确认"化疗引发的恶心呕吐，最新的证据推荐怎么处理"，这个问题不难回答，难的是在忙碌的班次里快速找到一个可信的答案——检索数据库、筛选文献、判断证据等级，一套流程下来几个小时就没了。
通用大模型看起来能帮上忙，但医疗场景对AI的要求是"答案准确、来源透明、证据可溯源"。通用模型既缺专业护理知识，又给不出明确的答案出处，还经常一本正经地编造。更根本的瓶颈是：高质量护理证据数据集太稀缺——现有医疗大模型几乎都围绕医生和患者构建，面向护士专业语境的训练语料接近空白。
NursData：67万份资料搭起的"证据金字塔"
EviNurse的第一个贡献不是模型，而是数据集。团队多渠道检索国内外护理领域资料，构建了首个护理证据高质量数据集NursData，其组织方式直接采用了循证医学经典的5S证据金字塔模型——证据等级越高，优先采纳：
- 6000份证据总结（金字塔顶端的Summary层）
- 1.5万份临床指南与专家共识
- 50万份系统评价
- 7.5万份原始研究
合计超过67万份资料，全部按5S金字塔分类组织。在这个底座之上，团队构建了超百万级别的指令微调样本对，用指令合成、思维链构造、小样本学习等方法生成符合护理场景的训练数据，并建成了超70万条的护理证据向量知识库，配套训练了专用的检索重排序模型。
对数据从业者来说，这部分才是全文最有嚼头的细节：它示范了一条"垂直领域证据库→指令数据工程→检索增强"的完整生产线，每一步的产出量级都给了出来。
技术路线：Qwen3-32B+RAG，为什么这么选
模型基座选了开源的Qwen3-32B，训练方式是监督微调（SFT）加检索增强生成（RAG）。这个组合的用意很清楚：32B级别的模型在专科知识注入和部署成本之间取平衡，而RAG保证护士提问时，模型先从NursData检索最相关证据、优先采用高等证据、再生成有出处的回答——而不是靠训练时死记硬背。团队在World EBHC Day的复盘文章里把第一条经验写成了一句话："Evidence must come before answers（证据先于答案）"。
三轮评测：91.45%、专家盲评、316名护士
EviNurse的评估分三层，一层比一层接近真实：
第一层，基础知识笔试。 用3438道护理多选题测试，EviNurse达到91.45%准确率，在与六个主流通用大模型的对比中排名第二——第一名是谷歌的Gemini 3 Flash Preview（94.33%）。注意，一个32B的专用模型在护理知识上输给旗舰通用模型仅2.88个百分点，本身就是领域适配有效的信号。
第二层，真实场景专家盲评。 团队开发了覆盖五个护理专科的25道简答题，用完全相同的提问让EviNurse和六个通用模型作答，回答匿名后交给15名资深护理专家从准确性、完整性、安全性、可靠性、满意度等维度独立评分。结果反转了：EviNurse总体显著优于所有通用模型（P<0.001），在可靠性和满意度上尤其突出，外科、儿科、急诊与重症监护领域表现强劲。笔试第二、实战第一——这正是"答案有证据出处"的加分效应。
第三层，真刀真枪的可用性研究。 来自中国大陆所有省份的316名护士连续使用EviNurse一周，每人交互至少10次，随后填写覆盖模型质量、信息质量、界面质量、用户满意度、使用意愿、感知收益六个维度的问卷——全部六个维度评价良好，平均分1.67至1.97。这是国内少见的、由一线护士而非专家评委给出的大模型可用性证据。
模型和数据集均已开源（GitHub与HuggingFace），感兴趣的团队可以直接复现。
为什么说护理AI是被低估的洼地
全国注册护士数超过医生，护理质量直接决定住院患者的安全底线，但护理AI的资金、模型和关注度长期与体量不匹配。EviNurse给出了一个低成本可复制的范式：不需要千亿参数，不需要从零训练，把证据组织好、把检索做扎实、把评测做足，一个32B模型就能在专科场景打赢通用旗舰。对的医疗AI创业者和医院信息科而言，护理、药学、康复这些"配角科室"，或许正是下一个值得下注的数据富矿。
原文链接：A domain-specific large language model for evidence-based nursing（npj Digital Medicine，2026-09-09）
千方医数集编辑部 出品
