一种基于人工智能与多源异构数据的医药采购价格智能标化审核系统的制作方法

本发明涉及智能审核，更具体地，涉及一种基于人工智能与多源异构数据的医药采购价格智能标化审核系统。

背景技术：

1、近年来，随着国家药品集中带量采购政策的持续推进和药品挂网价格监管力度的不断加大，各地医药采购平台需要对大量药品申报挂网价格进行严格审核。当前，药品挂网价格审核普遍采用人工逐条比对的方式，审核人员需要同时查阅国家药品目录、省级挂网价格列表、参比制剂目录、集采中选结果、过评药品清单、价格风险处置名单等九类以上异构数据源，手动完成药品信息标化与价格合规性判定。这种人工审核模式不仅效率低下，且审核标准易受个人经验影响，导致同一药品在不同批次审核中出现结论不一致的问题。

2、现有技术中存在以下主要问题。缺乏针对挂网价格审核场景的专用大语言模型应用方案，难以利用非结构化政策文本自动生成审核规则；多源异构价格参考数据格式各异、更新频率不同且存在信息冲突，现有系统无法实现数据的动态融合与统一利用；审核规则采用静态配置方式，政策调整后需要人工逐条修改规则代码，无法随政策变化自适应演化；审核结论以简单通过或不通过形式输出，缺乏可解释性与审计追溯能力，难以满足医药采购监管的合规审计要求。

技术实现思路

1、为了克服现有技术存在挂网价格审核依赖人工，缺乏数据动态融合与规则自适应演化及可解释追溯能力等问题，本发明公开一种基于人工智能与多源异构数据的医药采购价格智能标化审核系统能有效解决上述技术问题。

2、为解决上述技术问题，本发明的技术方案如下：

3、一种基于人工智能与多源异构数据的医药采购价格智能标化审核系统，包括：

4、表示层，用于提供用户交互界面；

5、api网关层，用于统一接收请求并进行身份认证拦截；

6、业务服务层，包括标化服务模块、审核服务模块、规则服务模块和数据服务模块，所述标化服务模块用于对药品数据进行标准化处理，所述审核服务模块用于调用智能决策层进行价格审核，所述规则服务模块用于管理审核规则，所述数据服务模块用于提供数据访问接口；

7、智能决策层，包括大语言模型、因果推断器和规则判定器，所述因果推断器用于构建药品价格影响因子的因果图模型并估计各因素对价格的因果效应以进行异常价格归因，所述规则判定器用于执行审核规则判定，所述大语言模型用于对所述标化服务模块输出的标准化药品数据进行语义编码并输出审核结论；

8、数据融合层，用于将多源异构价格参考数据进行动态语义融合并统一存储；

9、数据持久层，包括关系型数据库和向量数据库，所述关系型数据库用于存储结构化业务数据，所述向量数据库用于存储药品数据的语义嵌入向量。

10、进一步地，所述因果推断器包括：

11、因果图构建单元，用于将影响药品挂网价格的因素建模为有向无环图，所述因素包括药品固有属性节点、市场环境节点和政策节点；

12、因果效应估计单元，用于采用双重机器学习方法，以机器学习模型控制混杂因素，估计各因素对价格的纯净因果效应值；

13、异常归因单元，用于当药品申报价格被判定为异常时，根据各因素的因果效应贡献度定位导致价格异常的关键因子并输出归因结果。

14、进一步地，所述数据融合层包括：

15、统一语义嵌入单元，用于将各数据源的药品记录通过大语言模型编码为统一语义向量空间中的嵌入向量，并通过对比学习训练对齐模型以使不同数据源中相同药品的语义向量相互靠近；

16、动态权重分配单元，用于根据不同审核场景，通过多层感知机网络对各数据源分配动态权重；

17、冲突消解单元，用于当不同数据源对同一药品提供矛盾信息时，根据数据源时效性、权威性和一致性进行置信度评估并自动消解冲突。

18、进一步地，所述规则判定器包括：

19、规则效果追踪单元，用于记录每条审核规则的命中率、误判率、人工复核修正率以及在不同药品品类和不同价格区间下的表现差异；

20、规则参数自动调优单元，用于将规则参数调优建模为黑盒优化问题，采用贝叶斯优化方法自动搜索最优参数组合；

21、政策语义解析单元，用于当新政策文件输入时，通过大语言模型自动解析政策文本以提取政策涉及的药品品类范围、新的价格计算规则或阈值、政策生效时间与适用条件，并基于解析结果自动生成候选审核规则；

22、规则冲突检测单元，用于检测新增规则与现有规则之间的冲突类型并输出冲突消解方案。

23、进一步地，所述标化服务模块包括：

24、敏感度评估单元，用于在标化过程中通过大语言模型实时评估所提取药品字段的审核敏感性，高敏感字段的标化结果自动触发预审核标记，低敏感字段的标化结果仅作记录；

25、反馈学习单元，用于将因标化错误导致审核误判的错误标化样本自动加入标化模型的训练集以实现模型持续优化。

26、进一步地，所述审核服务模块包括：

27、决策追溯树生成单元，用于为每条审核结论生成完整的决策追溯树，所述决策追溯树记录每一级规则判定的输入数据、中间结果、判定依据、所引用的具体数据源记录及其版本号和导入时间、以及因果推断的关键因子及其贡献度；

28、审计日志记录单元，用于以类区块链结构记录审核过程中的每一次数据变更、规则调整和人工复核操作，每个操作区块包含前序区块的哈希值；

29、置信度评分单元，用于为每条审核结论输出数据完整性评分、规则确定性评分和模型置信度评分并进行加权融合以得到综合置信度评分，当综合置信度评分低于阈值时自动标记为建议人工复核。

30、进一步地，所述标化服务模块还用于：对大语言模型标化置信度低于预设阈值的药品记录，通过多轮对话向操作员提问以获取关键信息并基于操作员反馈完成标化。

31、进一步地，所述数据融合层还用于对融合后的数据进行版本化管理，每条数据记录包含版本号、生效时间和导入时间。

32、进一步地，所述数据持久层的所述关系型数据库为postgresql数据库，所述向量数据库用于存储所述大语言模型对药品属性编码生成的嵌入向量以支持语义相似度检索。

33、进一步地，所述业务服务层采用fastapi异步服务框架，所述api网关层采用nginx反向代理并进行jwt认证拦截，所述表示层采用vue3搭配typescript和tailwindcss构建。

34、与现有技术相比，本发明的有益效果是：本发明通过设置智能决策层中的因果推断器，构建药品价格影响因子的有向无环图并采用双重机器学习方法估计各因素的纯净因果效应，当申报价格被判定为异常时能够定位导致价格异常的关键因子及其贡献度，因而实现了审核结果从黑盒判定到因果可解释的质变，为人工复核提供明确的决策依据；通过设置数据融合层中的统一语义嵌入单元将多源异构数据编码为统一语义向量空间并通过对比学习训练对齐模型，配合动态权重分配单元根据不同审核场景自动调整各数据源权重及冲突消解单元根据时效性、权威性和一致性自动消解矛盾信息，因而实现了九类以上异构参考数据的动态融合与智能消解，提升了审核依据的完整性与准确性；通过设置规则判定器中的规则效果追踪单元持续监测规则表现、规则参数自动调优单元采用贝叶斯优化自动搜索最优参数组合以及政策语义解析单元对大语言模型解析新政策文本并自动生成候选规则，因而实现审核规则的持续优化与自适应演化，降低了政策变更时的系统维护成本；通过设置审核服务模块中的决策追溯树生成单元为每条审核结论生成完整追溯链、审计日志记录单元以类区块链结构记录全部操作及置信度评分单元输出多维置信度评分并在低于阈值时自动建议人工复核，因而实现了审核全链路的可追溯、可审计与风险可控，全面满足医药监管的合规性要求。