临床数据AI结构化
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Dyad 是一款面向医疗行业的 AI 临床文档与数据智能平台，目标是把医疗服务过程中大量非结构化、遗留格式中的临床数据，转化为可用于报销、质量管理、风险识别和患者照护的结构化情报。它的用户群并非个人或通用办公场景，而是医疗服务提供方、支付方、ACO、编码团队和质量管理团队。
官网重点介绍其 GENIE（Graph Enabled Information Extraction）技术，即结合 AI 与临床知识图谱进行信息抽取。系统会从临床文档中提取关键内容，将医学实体映射到知识图谱节点，再生成具备上下文的 SNOMED、ICD-10、CPT 编码。其后可基于图结构和业务逻辑实时计算 HEDIS、MIPS、eCQMs 等质量指标，识别护理、编码和质量缺口，并将结果输出到 EHR、应用或数据湖。
Dyad 官网没有公开价格、套餐、按量计费或免费试用信息，主要入口是“Book a Demo”。这意味着它更像企业级医疗软件采购，需要经过演示、需求评估、集成和合规流程，采购周期和实施成本可能较高。
优势在于垂直场景聚焦清晰，围绕临床编码、质量指标、RADV 准备和 Star Ratings 改善形成闭环；同时披露了 BetterLetter 在 NHS 初级保健诊所中用于大规模临床信件编码和流程自动化的案例。合规方面，官网列出 HIPAA、SOC2、Cyber Essentials Plus，对医疗数据处理较关键。局限是缺少底层模型、准确率、人工复核机制、API 文档和实施细节；“without hallucination”的表述也未配套公开评测数据验证。
适合拥有大量临床文档、需要提升编码效率和质量指标表现的医疗机构、支付方和 ACO。若只是做通用 OCR、普通文档抽取或中文医疗文本处理，官网现有信息不足以证明适配性。
中国大陆访问、支付和本地合规情况未知，官网也未提及中文支持或中国医保/病案编码体系。若在国内落地，需重点评估网络连通、数据出境、等保与医疗数据合规。可对比 Google Cloud Healthcare API、AWS HealthLake、Microsoft Cloud for Healthcare、Nuance DAX，以及讯飞医疗、医渡科技等本土医疗数据智能方案。
本测评基于公开资料整理,不构成购买建议,请以 dyad.ai 官网实际信息为准。
面向医疗机构，需预约Demo，合规门槛高。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。