OpenClaw 醫療保健

    使用 OpenClaw 處理病患溝通、臨床筆記與預約管理的醫療院所,常會把病患訊息送到雲端 AI API。透過 Ertas,您可以用自身工作流程中去識別化的範例微調模型,匯出後以 Ollama 在本地執行,涉及病患資料的推論始終留在您掌控的基礎設施上。

    The Challenge

    醫療院所很快就能看見 OpenClaw 的價值:透過通訊平台自動安排預約、分流病患詢問、處理臨床筆記、產生轉診信,以及處理與保險公司之間的事前授權往來。這些工作占用了櫃台與臨床行政人員大量時間。

    HIPAA 隱私規則限制了受保護健康資訊(PHI)與第三方分享的方式。當 OpenClaw 透過雲端 AI API 處理病患詢問時,病患的姓名、病情、治療史與聯絡方式會作為提示輸入送到該服務商的伺服器。這家服務商必須有相應的合約涵蓋,並通過診所隱私與資安團隊的審查,許多診所乾脆希望病患訊息完全不經過第三方 AI 伺服器。

    美國民權辦公室(OCR)曾對透過缺乏適當保護措施的系統揭露 PHI 的機構採取執法行動。代理送往雲端 API 的每一則訊息、每一份筆記、每一個預約請求,都會多出一條診所必須交代清楚的資料流。

    此外,通用 AI 模型經常在臨床術語上產生幻覺、誤判分流的緊急程度,產生的回覆也與診所的具體流程不符。一旦員工得花時間修改 AI 產生的臨床內容,OpenClaw 帶來的效率提升就會大打折扣。

    The Solution

    透過 Ertas,醫療院所可以讓 OpenClaw 執行在自行託管的微調模型上。您在 Ertas Studio 中訓練模型,從 Hub 匯出為 GGUF,再以 Ollama 部署在診所自己的硬體上。此後 OpenClaw 的每一次推論請求都會送到這個本地模型,病患訊息在診所自己的伺服器上處理。

    訓練在 Ertas 的雲端 GPU 上進行,因此訓練資料集必須上傳到 Ertas。請以診所自身工作流程中去識別化的範例建立資料集,包括分流標準、預約流程、轉診信範本與病患溝通風格。以皮膚科診所範例微調的模型,會依照這家診所的方式區分緊急情況(可疑病灶、快速變化的痣)與例行情況(年度皮膚檢查、美容諮詢)。

    管理多家診所的醫療體系與代理商,可以在 Studio 中為每家診所分別訓練模型,反映各自的溝通風格、臨床專科與排班規則,並在體系自己掌控的基礎設施上執行每個模型。

    Key Features

    Hub

    透過 Ollama 本地推論

    從 Hub 將訓練好的模型匯出為 GGUF,在診所自己的硬體上以 Ollama 執行。OpenClaw 把推論請求送到這個本地模型,病患訊息中的 PHI 在您的伺服器上處理,不經過雲端 AI API。

    Studio

    臨床工作流程微調

    在 Studio 中以診所工作的去識別化範例進行微調,包括分流流程、預約規則、轉診範本與病患溝通方式。完成的模型掌握診所自身的臨床脈絡,減少幻覺,並在診所自己的任務上更準確。

    Studio

    多診所部署

    醫療體系、管理集團與代理商可以在 Studio 中為每家診所分別訓練模型,平行執行訓練並互相比較。每家診所都得到一個由自身範例塑造的模型,部署在體系自己掌控的基礎設施上。

    Studio

    在 Data Craft 中由員工審核

    診所員工在 Studio 的引導式資料集建立工具 Data Craft 中建立與修正訓練範例:新增 USER 和 ASSISTANT 對話輪次,依診所規範修改回覆,為每個範例保存版本,核准後才進入訓練。

    Example Workflow

    美國一家擁有五個據點、12 位牙醫的牙科診所集團部署 OpenClaw,透過 WhatsApp 和簡訊自動處理病患溝通。目前每個據點的櫃台人員每天要花好幾個小時回覆預約詢問、發送提醒、處理改約,並解答療程與保險給付的診前問題。集團從診所管理系統匯出 8,000 則去識別化的病患溝通紀錄,涵蓋預約、療程諮詢、保險問題與術後追蹤。集團的營運主管在 Data Craft 中抽查樣本,核准符合集團溝通規範的回覆。資料集上傳到 Ertas Studio 後,以 LoRA 微調 Qwen 2.5 7B 基礎模型。團隊用一組保留的溝通紀錄評估模型,依自己的規範為意圖分類(預約、改約、詢問、急診)與回覆品質評分。各據點的可預約時段、牙醫專長與合作保險,由診所管理系統在每次請求時提供給代理。模型從 Hub 匯出為 GGUF,在集團總部的一台 Mac Mini M4 Pro 上以 Ollama 提供服務,各據點的 OpenClaw 實例透過集團內部網路連線。遇到複雜情況時,由員工審核並核准 AI 起草的回覆。病患訊息的推論在集團自己的硬體上執行,集團也會在自身的 HIPAA 制度下評估所用的 WhatsApp 與簡訊服務商。

    Compliance & Security

    HIPAA 以及任何適用的州級健康隱私法規,其各項要求都由診所自行落實。這套部署改變的是以下幾點。匯出的模型以 Ollama 在本地執行後,OpenClaw 的推論請求會送到診所自己的伺服器,病患訊息中的 PHI 在那裡處理,不經過雲端 AI API。訓練在 Ertas 的雲端 GPU 上進行,因此訓練資料集必須上傳到 Ertas:上傳前請依 Safe Harbor 或 Expert Determination 標準完成去識別化。資料集保存在 Studio 中,以便重複訓練,您可以隨時刪除。存取控管、日誌以及訊息管道本身(WhatsApp、簡訊)仍屬於診所自身資安與隱私審查的範圍。

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.