疾病越查越懵?我们和一大波医生做了这款产品

2018 年 9 月 7 日 腾讯

女(假)朋(装)友(有)发来一条消息:


“姨妈痛...”


机智如你,可能已经意识到这是一道送命题。“多喝热水”这个答案肯定要排除掉。


可该怎么回答呢?


去网上搜索,出来的结果,要么是这种:



又或者是这种:

病因:


1、原发性痛经的发生主要与月经时子宫内膜前列腺素含量增高有关。PGF2α含量升高时造成痛经的主要原因。PGF2α含量高可引起子宫平滑肌过强收缩,血管痉挛,造成子宫缺血、乏氧状态而出现痛经。


2、血管加压素内源性缩宫素以及β-内啡肽等物质的增加。


每个字都认识,凑在一起好像看不太明白。


再看看这个:



该怎么回答,是不是有了点思路?


这些有用的信息来自我们的企鹅医典。



戳图查看


它是我们在互联网平台上打造的一款“百科全书式”的医学科普产品。


企鹅医典产品团队的同事们说:


“网络上关于疾病的信息,有的来路不明,真假难辨,有的是医疗广告。信息太庞杂,我们不想让用户进入到疾病信息的汪洋里,焦虑之上,再添恐慌。”


于是,大家聚在一起,决定做一款医学科普产品,让它既准确、权威,又易懂、实用


在企鹅医典里,有入门级的医学常识,也有更深入的症状、病因、治疗、日常和预防等方面的疾病资讯。


480多个常见疾病和84个常见症状的权威医学资讯;

61个急救知识;

900多位权威专家和200多家一流医院入驻,在这里发布跟疾病有关的科普文章,答疑解惑。


这是截至今年8月8日的数据,目前它还在不断扩充中。


大家在做这款产品时定下了一条标准:权威和准确。


老实说,要坚持这条标准,对我们这样的互联网科技公司而言,会面临一些外部挑战的声音。比如:


互联网科技公司有人懂医疗吗?


为了解决这个问题,企鹅医典组建了一个画风独特的团队。


程序员,产品经理,设计师。这些是一家互联网科技公司的标配。


除此之外,团队里还有临床执业医生、心理医师、医学学术编辑、医学翻译、药剂师。


他们都有医学专业教育背景,也从事过医学领域的工作。


这大概是鹅厂里最了解人体的一个团队。


医学科普是很专业的事,你们够专业,够权威吗?


企鹅医典又联合了一群国内顶级的医疗专家和医疗机构。这些内外部的专业人士会对企鹅医典里的每一条医学信息层层审核,确保准确和科学。


比如,企鹅医典上专门开了一个肿瘤篇的专题。


以肺癌为例,它目前编纂收录了436篇专业内容。


在这里,可以了解肿瘤的疾病病因、病症等基本信息,也可以进一步深入,查阅它们的治疗手段、前沿治疗技术、康复照料方法和预估费用等等信息。这些信息,都是经由中国临床肿瘤学会前任理事长吴一龙教授审阅。


上面的医疗信息用户能看得懂吗?


每一种肿瘤词条关联的相关医学文章约300篇,编撰所需的平均时间约两个半月。其中大量时间会花在这些事情上面:


查阅5⾄10种权威医学期刊; 

查阅最近几年中、美两国临床医疗年会期刊;  

检索至少两个以上医学专⽤资料库核对; 

与相关疾病权威医⽣访谈; 

联合国内顶级医疗专家和机构共同编撰与审核;


有了这些资料搜集整理,又经过企鹅医典的优化,这些文章最终才能被简单易懂地呈现出来。


为了让用户能真正看懂,它录制了大量名医的视频讲解:



绘制了漫画增强大家对疾病的理解:


也有一些实用的工具:


计算治疗费用



疾病自测



前不久,腾讯与国际领先的美国权威医学资讯提供商WebMD达成独家战略合作,企鹅医典因此获得了上面超过60000篇专业医疗资讯中文独家授权。


我们尝试用很多词去描述这个产品。


权威、专业、易懂、可信赖、干净纯粹... ...


后来觉得,它们都不如用户使用后给一句“有用”的评价来得实在。


企鹅医典给自己的定位是为大众而生的专业医典


很多时候,大众和专业这两个词会被认为是事物的两面,难以同时存在。但企鹅医典愿意花时间,来尝试一下。




登录查看更多
0

相关内容

用来满足人们需求和欲望的物体或无形的载体。好的产品大家都喜欢
专知会员服务
27+阅读 · 2020年3月6日
广东疾控中心《新型冠状病毒感染防护》,65页pdf
专知会员服务
18+阅读 · 2020年1月26日
斯坦福&谷歌Jeff Dean最新Nature论文:医疗深度学习技术指南
医疗知识图谱构建与应用
专知会员服务
384+阅读 · 2019年9月25日
阿斯利康高管为您解密药企医学事务部那些事儿
肿瘤资讯
41+阅读 · 2019年7月24日
【Blood】去甲基化治疗失败后,MDS应如何治疗?
苦尽甘来:AI为更有效地治疗抑郁症带来希望
英伟达NVIDIA中国
10+阅读 · 2018年3月1日
论文解析 | Google如何用CNN检查乳腺癌?
AI100
4+阅读 · 2017年12月21日
关于医学影像背后的科学,你都知道多少?
中科院物理所
3+阅读 · 2017年12月14日
【智能医疗】如何利用深度学习诊断心脏病?
产业智能官
8+阅读 · 2017年10月3日
VrR-VG: Refocusing Visually-Relevant Relationships
Arxiv
6+阅读 · 2019年8月26日
Image Captioning: Transforming Objects into Words
Arxiv
7+阅读 · 2019年6月14日
Arxiv
6+阅读 · 2018年1月14日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员