基于知识图谱与大语言模型协同的医疗标签智能生成方法、系统、电子设备、存储介质与流程

本技术属于医疗人工智能的，具体涉及一种基于知识图谱与大语言模型协同的医疗标签智能生成方法、系统、电子设备、存储介质。

背景技术：

1、医疗数据的标签是支撑临床科研、医疗质控、医院精细化管理的基础数据要素，其通过对医院信息系统（his）、电子病历系统（emr）、检验信息系统（lis）等来源的原始诊疗数据进行结构化提取、聚合计算、语义标注等处理，形成可复用的标准化指标。当前，医疗标签的生产主要依赖数据开发工程师根据业务需求逐一手写sql取数逻辑，存在配置周期长、技术知识门槛高、跨项目复用性差等问题。为降低标签生产的技术知识门槛，现有技术提出了基于自然语言处理或大语言模型的自动化方案。例如，公开号为cn120804301b的中国专利，公开了一种基于rag和m-schema的智能槽位填充及模式链接方法，通过rag知识库匹配用户问题，依托医疗知识库进行实体归一化，结合数据库m-schema元数据校验字段，识别术语歧义后通过弹窗交互澄清，最终生成单条sql查询并返回分析结果。例如，公开号为cn112289454b的中国专利公开了一种临床数据的打标签方法及装置，通过预设规则或模板对原始临床数据进行标注处理，生成衍生标签数据。

2、但是，现有技术在面向医疗标签批量生产的过程中时，仍存在多种技术缺陷。第一，医疗标签的生产链路不完整；现有技术中采用自然语言转sql的方案仅实现单次查询的即时响应，未覆盖标准化的标签批量生产、版本管理、定时调度、api复用等全生命周期环节，导致标签生产仍需大量人工衔接。第二，缺乏临床场景的上下文消歧机制；医疗术语具有场景依赖性，例如“术后”可能指手术结束后24小时内的“术后即刻”，也可能指30天内的“术后恢复期”，现有技术采用固定关键词映射或人工弹窗澄清的方式，无法基于临床路径节点自动区分相关的语义差异。第三，缺乏多套医疗标准编码的联动映射能力；医疗标签的生产涉及icd-10、icd-9-cm-3、loinc、atc等多套标准编码向数据表字段及聚合方法的映射，现有技术仅支持单一标准编码的元数据校验，缺乏依照术语、编码、字段、聚合方法顺序的多层次自动映射。第四，缺乏临床事件锚点的时序推理能力；对于以手术、入院为锚点的时间窗计算需适配多次手术、手术失败、转科等特殊情况，现有技术采用固定偏移量计算的方式无法处理其中的不确定性。第五，缺乏基于真实数据执行的验证闭环；现有技术仅对生成结果进行语义或语法校验，无法发现时间窗方向错误、聚合方法错误等隐性逻辑偏差，缺乏约束信号反向修正生成的机制。

技术实现思路

1、为解决上述的一个或多个问题，本技术的第一方面提供一种基于知识图谱与大语言模型协同的医疗标签智能生成方法，第二方面提供一种基于知识图谱与大语言模型协同的医疗标签智能生成系统，第三方面提供一种电子设备，第四方面提供一种存储介质，用于基于自然语言描述就能生产出临床语义准确、可直接在真实医院数据库里使用的医疗标签。

2、本技术的技术方案内容如下。

3、第一方面的，一种基于知识图谱与大语言模型协同的医疗标签智能生成方法，包括：

4、接收用于描述医疗标签sql取数需求的自然语言描述；

5、基于医学术语知识图谱中的临床路径节点，对自然语言描述进行上下文消歧，得到包含锚点事件、相对时间窗、锚点选择策略的结构化语义表示；

6、根据结构化语义表示，通过rag增强检索获取从自然语言描述到医疗标准编码、医疗标准编码到数据表字段、数据表字段到可用聚合方法的三层映射关系，从而构建增强上下文；

7、调用大语言模型，基于增强上下文生成包含sql草稿的结构化取数逻辑；

8、将结构化取数逻辑在相应的医疗数据库中执行，根据执行结果构造包含错误诊断维度的结构化修正指令并反馈至大语言模型进行闭环校验，然后重新生成结构化取数逻辑直至结构化修正指令不再包含错误诊断维度；

9、将通过闭环校验的取数逻辑输入sql模板引擎，sql模板引擎根据锚点选择策略生成可执行的sql语句；

10、根据可执行的sql语句制作相应的医疗标签。

11、优选的，进行上下文消歧包括：

12、从自然语言描述中提取场景关键词，在医学术语知识图谱中匹配包含场景关键词的临床路径节点形成候选节点集合；

13、将自然语言描述中的目标指标类型、时间范围，与候选节点集合中各临床路径节点的关联检验项目、默认时间窗进行匹配，过滤不匹配的临床路径节点；

14、根据过滤后的临床路径节点确定锚点事件、相对时间窗、锚点选择策略。

15、优选的，三层映射关系中的每一层独立维护，任一层映射失败时触发人工确认。

16、优选的，通过rag增强检索获取三层映射关系包括：

17、根据结构化语义表示中的临床场景字段，从临床场景到知识子图的映射表中，选定临床场景字段相应的知识子图；

18、在选定的知识子图内进行实体链接，将自然语言描述中的医学实体与标准概念节点进行链接，然后返回相应的医疗标准编码、同义词、上下位概念；

19、根据医疗标准编码查询医学术语知识图谱核心词库的字段映射表，返回候选数据表字段、字段数据类型、常用聚合方法、值域范围；

20、按与当前sql取数需求的相关性对医疗标准编码、同义词、上下位概念、候选数据表字段、字段数据类型、常用聚合方法、值域范围进行排序并裁剪，构建增强上下文。

21、优选的，构造结构化修正指令包括：

22、当执行结果为空时，构造用于检查时间窗方向、编码匹配条件松紧度、表关联关系的结构化修正指令；

23、当执行结果出现异常值时，构造用于检查字段映射正确性、单位转换需求的结构化修正指令；

24、当执行结果出现报错时，先基于预定义的sql语法修正规则进行自动修复，无法修复时构造用于检查表名、字段名、sql语法正确性的结构化修正指令。

25、优选的，通过sql模板引擎生成可执行的sql语句包括：

26、当锚点选择策略为默认锚点时，直接使用锚点时间字段生成时间窗过滤条件；

27、当锚点选择策略为首次锚点时，通过公共表表达式聚合选择最小锚点时间；

28、当锚点选择策略为末次锚点时，通过公共表表达式聚合选择最大锚点时间；

29、根据医院业务配置规则生成手术失败过滤条件、转科排除条件、跨天手术锚点时间字段选择条件。

30、优选的，在调用大语言模型之前还包括：

31、根据自然语言描述中的自然语言特征，通过预定义的推断规则自动推断用户意图对应的计算模式；

32、其中，计算模式包括直接映射、转化映射、聚合统计、判断存在、公式计算、事件相对区间中的一种或多种；

33、当自然语言描述包含多个自然语言特征时，计算模式为组合模式。

34、第二方面的，一种基于知识图谱与大语言模型协同的医疗标签智能生成系统，包括：

35、生成请求接入模块，用于接收用于描述医疗标签sql取数需求的自然语言描述；

36、临床场景上下文消歧模块，用于基于医学术语知识图谱中的临床路径节点，对自然语言描述进行上下文消歧，得到包含锚点事件、相对时间窗、锚点选择策略的结构化语义表示；

37、rag增强检索模块，用于根据结构化语义表示，通过rag增强检索获取从自然语言描述到医疗标准编码、医疗标准编码到数据表字段、数据表字段到可用聚合方法的三层映射关系，从而构建增强上下文；

38、大语言模型生成模块，用于调用大语言模型，基于增强上下文生成包含sql草稿的结构化取数逻辑；

39、闭环校验模块，用于将结构化取数逻辑在相应的医疗数据库中执行，根据执行结果构造包含错误诊断维度的结构化修正指令并反馈至大语言模型进行闭环校验，然后重新生成结构化取数逻辑直至结构化修正指令不再包含错误诊断维度；

40、sql自动合成模块，用于将通过闭环校验的取数逻辑输入sql模板引擎，sql模板引擎根据锚点选择策略生成可执行的sql语句；

41、标签制作模块，用于根据可执行的sql语句制作相应的医疗标签。

42、第三方面的，一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面的基于知识图谱与大语言模型协同的医疗标签智能生成方法。

43、第四方面的，一种存储介质，为计算机可读存储介质，存储有计算机指令，计算机指令用于使计算机实现第一方面的基于知识图谱与大语言模型协同的医疗标签智能生成方法。

44、本技术相比现有技术，其有益效果在于：

45、提升医疗标签的生产效率，保障医疗标签的生成准确性，尽可能避免医疗场景特有的术语歧义问题，实现医疗标准编码的融入深度与可维护性，适配临床路径的异常场景，打通了端到端的医疗标签生产通路，降低医疗标签生产的技术知识门槛。