一种基于大语言模型的临床文档监查与质疑自动生成方法、系统以及相关设备与流程
本技术涉及人工智能,尤其是涉及一种基于大语言模型的临床文档监查与质疑自动生成方法、系统以及相关设备。
背景技术:
1、随着临床试验数据量的激增,传统人工监查方式可能难以满足时效性和覆盖率要求,因此人工智能技术在临床文档监查领域的应用日益广泛。基于人工智能的自动化监查技术能够对海量临床文档进行高效筛查,显著降低人力成本,成为提升临床数据质量的重要手段。
2、常见的人工智能监查技术主要是采用基于规则的自动化检查方法,一般通过预设的逻辑规则对临床文档进行校验,但这类预设的逻辑规则只能检测数值越界、格式错误、必填缺失等显性问题,可能无法理解临床语义上下文,同时对跨字段逻辑冲突、时序异常、趋势矛盾等隐含问题缺乏识别能力。由于无法从语义层面理解和分析临床文档内容,因此,可能难以得到高质量的监查结果,更无法将监查结果整理为结构化质疑文档,导致相关监查人员仍需从海量数据中人工甄别问题,效率瓶颈未能根本解决。
技术实现思路
1、为了提升监查结果的质量,从而提升监查效率,本技术提供了一种基于大语言模型的临床文档监查与质疑自动生成方法、系统以及相关设备。
2、第一方面,本技术提供一种基于大语言模型的临床文档监查与质疑自动生成方法,采用如下的技术方案:
3、一种基于大语言模型的临床文档监查与质疑自动生成方法,包括:
4、获取待监查临床文档和所述待监查临床文档的文档模板,所述文档模板中定义有多个数据字段;
5、基于所述文档模板中的每个数据字段对所述待监查临床文档进行字段解析,得到每个所述数据字段对应的字段文档;
6、从预设字段级监查规则集中调取每个所述数据字段对应的字段监查规则,并基于每个所述字段监查规则和预设大语言模型对每个对应的所述字段文档进行监查,得到每个所述字段文档的字段监查结果;
7、识别所有字段监查结果中标记为不通过的异常字段监查结果,基于所述异常字段监查结果生成结构化质疑文档,并将所述结构化质疑文档反馈至审核端。
8、通过采用上述技术方案,通过获取待监查临床文档及其预定义有多个数据字段的文档模板,并依据该文档模板对各数据字段进行针对性解析以得到独立字段文档,从而便于将复杂临床文档拆解为粒度可控的单元,在此基础上,通过调取预设字段级监查规则与预设大语言模型协同对每个字段文档执行针对性监查,便于提升临床文档的监查结果质量,进一步地,通过识别所有异常字段监查结果并自动生成结构化质疑文档直接反馈至审核端,便于使得相关监查人员无需从海量数据中人工甄别和整理问题,即可获得可直接下发的标准化质疑内容,在提升监查结果可信度的同时实质性减少了人工复核与文档撰写时间,最终实现了监查效率的根本性改善。
9、在一种可能实现的方式中,所述将结构化质疑文档反馈至审核端之后,还包括:
10、当接收到所述审核端返回的审核反馈结果时,基于所述审核反馈结果从所述结构化质疑文档中识别有效质疑信息;
11、基于所述有效质疑信息,确定每个字段监查规则对应的有效质疑数量;
12、将有效质疑数量在预设统计周期内超过预设问题阈值的字段监查规则确定为待更新字段监查规则;
13、基于所述待更新字段监查规则,更新所述字段级监查规则集。
14、通过采用上述技术方案,通过当接收到审核端返回的审核反馈结果时,基于审核反馈结果从结构化质疑文档中识别有效质疑信息,从而建立了监查结果与实际审核认定之间的闭环反馈机制,从而便于避免仅依赖初始监查结果进行规则优化而可能引入的误判噪声,在此基础上,基于有效质疑信息确定每个字段监查规则对应的有效质疑数量,并将有效质疑数量在预设统计周期内超过预设问题阈值的字段监查规则确定为待更新字段监查规则,从而便于能够从众多规则中精准筛选出实际触发频率高、经审核确认有效的规则作为优化对象,避免无效规则对规则集更新过程的干扰,进一步地,通过将该待更新字段监查规则的监查结果确定为正样本并基于正样本更新字段级监查规则集,使得字段级规则集能够随着临床文档数据分布的变化和审核反馈的积累而持续动态演进,不断提升监查规则的精准度和适应性,最终实现监查性能随使用时间增长而自我优化的良性循环。
15、在一种可能实现的方式中,所述基于所述待更新字段监查规则,更新所述字段级监查规则集,包括:
16、获取所述字段级监查规则集中除所述待更新字段监查规则外的其他字段监查规则;
17、根据每个所述其他字段监查规则对应的第一调取时间与所述待更新字段监查规则对应的第二调取时间之间的调取间隔,确定第一关联度分量,所述调取间隔与所述第一关联度分量负相关;
18、根据每个所述其他字段监查规则对应的第一监查字段与所述待更新字段监查规则对应的第二监查字段之间的字段重合度,确定第二关联度分量,所述字段重合度与所述第二关联度分量正相关,所述第一监查字段为所述其他字段监查规则在监查阶段对应的字段文档;
19、根据所述有效质疑信息,确定每个所述其他字段监查规则的目标有效质疑数量,并根据每个所述其他字段监查规则对应的所述第一关联度分量、所述第二关联度分量以及所述目标有效质疑数量,确定每个所述其他字段监查规则的更新权重;
20、根据每个所述其他字段监查规则的所述更新权重和所述待更新字段监查规则,对所述字段级监查规则集中每个所述其他字段监查规则进行差异化更新。
21、通过采用上述技术方案,通过获取其他字段监查规则并分别计算其与待更新字段监查规则之间的第一关联度分量和第二关联度分量,便于从时间维度和字段维度两个正交角度量化了其他规则与待更新规则之间的关联强度,使得关联度评估更加全面准确,在此基础上,结合有效质疑信息确定每个其他字段监查规则的目标有效质疑数量,并根据第一关联度分量、第二关联度分量及目标有效质疑数量共同确定每个其他字段监查规则的更新权重,进而依据各自差异化的更新权重和正样本对每个其他字段监查规则进行差异化更新,在保证更新效率的同时便于实现规则集内部更新力度的精准差异化分配。
22、在一种可能实现的方式中,基于所述字段监查规则和预设大语言模型对所述字段文档进行监查,得到所述字段文档的字段监查结果,包括:
23、识别所述字段监查规则的规则标识,并基于所述规则标识确定规则类型,所述规则类型包括显式规则和语义规则;
24、当所述字段监查规则为显式规则时,获取所述字段监查规则对应的预设条件表达式,并基于所述预设条件表达式对所述字段文档进行确定性判断,当所述字段文档不满足所述预设条件表达式时,将所述字段文档的监查结果标记为不通过;
25、当所述字段监查规则为语义规则时,获取所述字段监查规则对应的语义检测提示词模板,并将所述语义检测提示词模板输入训练好的预设大语言模型,获取所述预设大语言模型输出的语义判断结果,并基于所述语义判断结果判断所述字段文档是否存在语义异常标识,当存在语义异常标识时,将所述字段文档的监查结果标记为不通过。
26、通过采用上述技术方案,通过识别字段监查规则的规则标识并基于规则标识确定规则类型,从而将字段监查规则划分为显式规则和语义规则两大类,并为不同类型的规则配置差异化的监查执行路径,使得规则分类更加清晰、处理逻辑更加聚焦,通过显式规则与语义规则的协同分工,使两类规则各自发挥优势,在保证基础校验效率的同时大幅拓展了问题检测的深度和广度,从而便于提升字段监查结果的全面性和准确性。
27、在一种可能实现的方式中,当所述字段文档的历史监查结果对应的历史失误率高于预设失误率阈值时,还包括:
28、识别所述字段文档在所述待监查临床文档中的文档位置信息,根据所述文档位置信息,从所述待监查临床文档中选取所述字段文档的候选字段文档,所述候选字段文档为与所述字段文档属于同一章节、与所述字段文档属于同一表单、位于所述字段文档之前或之后的预设数量范围内的其他字段文档;
29、生成所述字段文档的第一嵌入向量,以及每个所述候选字段文档的第二嵌入向量;
30、计算每个所述第二嵌入向量与所述第一嵌入向量之间的向量相似度,并将所述向量相似度大于预设阈值的候选字段文档确定为相关字段文档;
31、获取所述字段文档的字段名称和字段值、所述相关字段文档的相关字段名称和相关字段值,并根据获取的内容生成所述字段文档的上下文描述文本;
32、将所述上下文描述文本与所述字段文档对应的所述语义检测提示词模板一并输入训练好的预设大语言模型。
33、通过采用上述技术方案,通过识别历史失误率高于预设阈值的字段文档,精准定位高风险薄弱环节并触发增强监查机制,在此基础上,根据文档位置信息选取同一章节、同一表单或前后预设范围内的候选字段文档,便于有效缩小相关文档的搜索范围,降低计算开销,进一步通过嵌入向量相似度计算,准确筛选出语义相关的字段文档,避免仅依赖位置邻近而引入无关字段,最终获取字段名称、字段值及相关字段信息生成上下文描述文本,与语义检测提示词模板一并输入大语言模型,使得大语言模型在判断异常时能够充分获取关联字段的上下文信息,有效克服单一字段独立监查时语义信息不足的缺陷,从而便于提升语义监查的准确率和召回率。
34、在一种可能实现的方式中,所述获取所述预设大语言模型输出的语义判断结果,并基于所述语义判断结果判断所述字段文档是否存在语义异常标识,包括:
35、识别所述语义检测提示词模板中的触发条件判断指令,并获取所述预设大语言模型按照所述触发条件判断指令输出的第一语义判断结果,所述触发条件判断指令用于指示所述预设大语言模型判断所述字段文档是否满足所述字段监查规则对应的语义触发条件;
36、当所述第一语义判断结果不满足所述语义触发条件时,确定所述字段文档不存在语义异常标识;
37、当所述第一语义判断结果满足所述语义触发条件时,获取所述预设大语言模型按照逐行检查指令输出的第二语义判断结果,所述逐行检查指令包括代码标注检查指令和语义兜底检查指令,所述第二语义判断结果包括所述代码标注检查对应的代码预判条目信息和/或所述语义兜底检查识别出的语义异常信息;
38、当所述第二语义判断结果中包含预设代码标注和/或预设异常兜底标注时,确定所述字段文档存在语义异常标识。
39、通过采用上述技术方案,通过先获取第一语义判断结果判断是否满足语义触发条件,构建了先触发判断、后深度检查的两级监查架构,便于有效控制调用大语言模型的推理成本,当满足触发条件时进一步获取第二语义判断结果便于实现格式化内容的快速预判过滤与非结构化文本隐含异常全面覆盖的互补,最终当包含预设代码标注和/或预设异常兜底标注时确定存在语义异常,使判定结果有明确的输出依据,便于保证可解释性并便于有效控制漏检或误检风险。
40、在一种可能实现的方式中,当所述待监查临床文档包含多个文档表单时,基于所述文档模板中的数据字段对所述待监查临床文档进行字段解析,得到所述数据字段对应的字段文档,包括:
41、获取所述待监查临床文档中每个文档表单的时间列和非时间列,所述时间列包含时间值;
42、对每个所述时间列中的所述时间值进行日期标准化处理,并将每个所述时间值映射为标准化日期键;
43、根据同一文档表单中的所述非时间列与所述时间列之间的数据行数关系,将所述非时间列中的数据值分配至对应的标准化日期键,并按标准化日期键的时间顺序将同一所述文档表单内的所有所述数据值排列为虚拟行;
44、根据所述文档模板从所有的所述虚拟行中提取所述数据字段对应的字段文档。
45、通过采用上述技术方案,通过获取待监查临床文档中每个文档表单的时间列和非时间列,并对时间值进行日期标准化处理映射为标准化日期键,便于消除跨表单日期格式不一致的问题,在此基础上,根据同一表单中非时间列与时间列之间的数据行数关系,将非时间列数据值分配至对应标准化日期键并按时间顺序排列为虚拟行,并将原本列存储、格式各异的非标准化数据重构为按时间轴排列的标准化虚拟行结构,便于解决多表单、非规整数据难以直接进行字段解析的技术难题,最后根据文档模板从虚拟行中提取字段文档,为后续字段级监查提供了结构清晰、时序准确的数据基础,便于提升方法在处理复杂多表单临床文档时的适用性和鲁棒性。
46、第二方面,本技术提供一种监查系统,采用如下的技术方案:
47、一种监查系统,该监查系统包括:
48、至少一个处理器;
49、存储器;
50、至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述基于大语言模型的临床文档监查与质疑自动生成方法。
51、第三方面,本技术提供一种计算机可读存储介质,采用如下的技术方案:
52、一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述基于大语言模型的临床文档监查与质疑自动生成方法的计算机程序。
53、第四方面,本技术提供了一种计算机程序产品,采用如下的技术方案:
54、一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述基于大语言模型的临床文档监查与质疑自动生成方法。
55、综上所述,本技术包括以下至少一种有益技术效果:
56、通过获取待监查临床文档及其预定义有多个数据字段的文档模板,并依据该文档模板对各数据字段进行针对性解析以得到独立字段文档,从而便于将复杂临床文档拆解为粒度可控的单元,在此基础上,通过调取预设字段级监查规则与预设大语言模型协同对每个字段文档执行针对性监查,便于提升临床文档的监查结果质量,进一步地,通过识别所有异常字段监查结果并自动生成结构化质疑文档直接反馈至审核端,便于使得相关监查人员无需从海量数据中人工甄别和整理问题,即可获得可直接下发的标准化质疑内容,在提升监查结果可信度的同时实质性减少了人工复核与文档撰写时间,最终实现了监查效率的根本性改善。
57、通过识别历史失误率高于预设阈值的字段文档,精准定位高风险薄弱环节并触发增强监查机制,在此基础上,根据文档位置信息选取同一章节、同一表单或前后预设范围内的候选字段文档,便于有效缩小相关文档的搜索范围,降低计算开销,进一步通过嵌入向量相似度计算,准确筛选出语义相关的字段文档,避免仅依赖位置邻近而引入无关字段,最终获取字段名称、字段值及相关字段信息生成上下文描述文本,与语义检测提示词模板一并输入大语言模型,使得大语言模型在判断异常时能够充分获取关联字段的上下文信息,有效克服单一字段独立监查时语义信息不足的缺陷,从而便于提升语义监查的准确率和召回率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com