Aegion：隐私优先的临床药物安全引擎，本地LLM实现可解释的用药风险分析

Aegion是一款专注于隐私保护的临床药物安全分析系统，通过结合本地大语言模型（Ollama/Qwen 2.5）与确定性回退机制，为医疗机构和患者提供可解释的用药相互作用分析。项目由Shyaam-04维护，来源平台为GitHub，项目链接https://github.com/Shyaam-04/Aegion，发布时间2026年6月16日。其核心理念是"隐私优先"，旨在解决医疗AI的数据隐私困境。

传统云端AI药物相互作用分析方案面临严峻数据隐私挑战：患者敏感数据需上传第三方服务器，违反HIPAA、GDPR等医疗数据保护法规，引发隐私泄露担忧。Aegion的出现旨在通过本地化处理，在保证分析准确性的同时实现数据安全。

本地LLM推理层

采用Ollama作为本地模型运行平台，默认搭载Qwen 2.5系列模型，理由包括开源可审计、多语言支持（针对中文医疗场景优化）、硬件适配灵活。

确定性回退机制

当LLM推理置信度不足、涉及高风险药物组合或遇到知识盲区时，自动切换至基于DrugBank、Lexicomp等权威数据库的规则引擎，确保关键决策可靠。

可解释性设计

每项分析结果附带详细推理链条：作用机制说明、证据等级标注、替代方案建议，帮助医生理解AI"思考过程"。

• 门诊处方审核：实时扫描患者所有用药（含处方药、非处方药、保健品），预警潜在风险。
• 住院患者管理：无缝集成医院内网，为多病共存、多药联用患者提供实时监护。
• 药店用药指导：为社区药店药师提供专业咨询，尤其适用于老年慢性药物使用者。
• 远程医疗场景：本地化处理确保患者在家即可获得专业用药评估，无需上传健康数据。

隐私计算架构

遵循"零数据出域"原则：所有推理本地完成，无需联网运行核心功能，可选匿名化遥测需用户授权。

模块化插件系统

支持药物数据库适配器、临床指南集成、自定义规则引擎等扩展，适配不同医疗机构需求。

性能优化策略

包括模型INT8/INT4量化（降低显存占用）、推理缓存（毫秒级响应）、药物知识库热更新（无需重启服务）。

Aegion标志着医疗AI从"云端集中式"向"边缘分布式"演进：

• 合规性突破：数据本地化消除跨境传输法律风险，符合严格监管要求。
• 成本优化：本地部署边际成本趋近于零，节约大型医院高频查询成本。
• 技术自主可控：开源架构使医疗机构掌握核心技术，避免供应商依赖。

项目展示了隐私计算与LLM结合的潜力，为医疗AI隐私保护提供范例，期待成为该领域重要基础设施。