一种基于规则与向量协同的医疗票据信息治理方法及系统与流程

本技术涉及医疗数据处理，更具体地，涉及一种基于规则与向量协同的医疗票据信息治理方法及系统。

背景技术：

1、随着医疗信息化建设的推进，医疗票据数据量呈爆发式增长。然而，由于不同医疗机构、不同时期的数据录入标准不一，同一医疗实体在票据中常以多种不规范形式出现，严重制约了数据统计分析、医保结算、区域卫生信息共享等应用的开展。

2、现有的医疗票据信息治理方法主要包括两类：一是纯规则匹配方法，通过编写大量正则表达式或字符串比对规则进行归一化，该方法在已知模式上准确率高，但面对海量异构数据时规则覆盖率有限，维护成本高昂，且难以处理拼写错误、简称、别名等变体；二是基于大语言模型的方法，利用深度学习模型直接进行语义理解和标准化，虽具有较强的泛化能力，但存在推理成本高、响应速度慢、对长尾低频实体处理不稳定等问题，难以满足大规模实时治理的需求。

3、因此，亟需一种既能保证高准确率又能兼顾处理效率、且具备良好可扩展性的医疗票据信息智能治理方案。

技术实现思路

1、为解决上述技术问题，本发明提出了一种基于规则与向量协同的医疗票据信息治理方法及系统。

2、本发明技术方案为：

3、本发明提出一种基于规则与向量协同的医疗票据信息治理方法，包括以下步骤：

4、构建包含多个医疗实体的标准知识库，每个医疗实体包括标准名称、多维结构化属性以及对应的语义向量嵌入；

5、获取待治理的医疗票据数据，并进行预处理；

6、基于标准知识库对预处理后的票据数据进行归一化治理，所述归一化治理针对不同语义层级的信息采用不同的归一化子流程，各归一化子流程按以下顺序执行逐级匹配：

7、第一级，执行基于字符串等值比较的精准匹配；

8、第二级，对精准匹配失败的字段执行基于编辑距离或分词包含的容错规则匹配；

9、第三级，对容错规则匹配失败的字段，通过计算语义向量与标准知识库中实体向量的相似度进行语义向量匹配；

10、第四级，对语义向量匹配失败的字段，调用大语言模型输出标准名称及置信度；

11、基于归一化治理的结果，输出待治理的医疗票据数据标准化后的字段及其对应的标准编码。

12、优选的，所述预处理包括以下至少一种操作：

13、对票据图像进行光学字符识别，提取文本信息；

14、对提取的文本信息进行格式标准化，统一日期、金额、数字的书写格式；

15、对文本信息进行字段分割，将非结构化文本划分为多个待治理字段；

16、对划分后的字段进行拼写纠错或简繁转换。

17、优选的，所述标准知识库的构建包括：

18、横向维度构建：为每个医疗实体关联多维结构化属性，所述属性包括编码、别名、分类信息、地理位置、规格参数中的至少一种；

19、纵向维度构建：通过网络信息采集与清洗服务，从非结构化文本中抽取新实体并完成多源数据对齐，持续扩展实体覆盖规模；

20、向量化增强：对每个医疗实体的文本描述进行语义编码，生成高维向量嵌入存入标准知识库。

21、优选的，所述归一化子流程中，针对科室名称的归一化包括以下步骤：

22、基于预设关键词表判断输入字段是否属于科室信息；

23、基于排除词库过滤非临床科室条目；

24、对保留的字段进行噪声清洗，删除无关字符并处理分隔符；

25、将清洗后的字段与科室标准库进行字符串等值比对；

26、对等值比对失败的字段进行中文分词，基于分词结果与标准知识库进行片段包含匹配；

27、对包含匹配失败的字段，计算与标准知识库中实体标准名称的编辑距离，当编辑距离为1且该差异仅由一次字符删除操作造成时，判定为匹配；

28、对编辑距离匹配失败的字段，调用大语言模型输出标准科室名称及置信度；

29、将置信度低于阈值的字段送入人工审核队列，审核结果反馈至标准知识库。

30、优选的，所述归一化子流程中，针对药品名称的归一化包括以下步骤：

31、对原始药品文本进行名称标准化预处理；

32、基于药品标准库进行字符串等值比对；

33、对等值比对失败的字段，从原始药品文本中结构化抽取商品名、规格、剂型、生产企业、药品标识码中的至少一种属性；

34、利用抽取的属性与标准知识库中的多属性进行联合消歧，所述联合消歧包括：若多个候选实体共享某一属性，则将该属性确定为已治理属性；若仍存在多个候选，则按预设属性优先级进行加权排序，选取最优候选；

35、若联合消歧后无唯一候选，调用大语言模型输出标准药品名称及置信度；

36、将置信度低于阈值的字段送入人工审核队列，审核结果反馈至标准知识库。

37、优选的，所述联合消歧中，当多个候选实体共享同一属性时，认定该属性治理成功，并记录为该属性的标准化值，实现部分归一化。

38、优选的，还包括自动化批量治理流程：

39、通过数据接入层将待治理票据数据写入任务表；

40、治理执行层采用分布式定时任务框架，并行执行归一化治理；

41、结果分发层将治理结果按置信度和匹配路径分流至成功表或待人工审核表，并更新任务状态。

42、另一方面，本发明还提供一种基于规则与向量协同的医疗票据信息治理系统，包括：

43、知识库构建模块，构建包含多个医疗实体的标准知识库，每个医疗实体包括标准名称、多维结构化属性以及对应的语义向量嵌入；

44、数据获取与预处理模块，获取待治理的医疗票据数据，并进行预处理；

45、归一化治理模块，基于标准知识库对预处理后的票据数据进行归一化治理，所述归一化治理针对不同语义层级的信息采用不同的归一化子流程，各归一化子流程按以下顺序执行逐级匹配：

46、第一级，执行基于字符串等值比较的精准匹配；

47、第二级，对精准匹配失败的字段执行基于编辑距离或分词包含的容错规则匹配；

48、第三级，对容错规则匹配失败的字段，通过计算语义向量与标准知识库中实体向量的相似度进行语义向量匹配；

49、第四级，对语义向量匹配失败的字段，调用大语言模型输出标准名称及置信度；

50、结果输出模块，基于归一化治理的结果，输出待治理的医疗票据数据标准化后的字段及其对应的标准编码。

51、再一方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任一实施例所述的一种基于规则与向量协同的医疗票据信息治理方法。

52、再一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的一种基于规则与向量协同的医疗票据信息治理方法。

53、本发明具有如下有益效果：

54、1、通过四级逐级递进匹配策略，优先利用高精度的规则匹配处理大部分常规数据，再通过语义向量匹配覆盖同义异形表达，最后以大语言模型兜底处理疑难样本，实测匹配成功率显著优于单一规则或单一模型方案。

55、2、规则匹配和向量匹配均为轻量级运算，仅少量的疑难样本需要调用大语言模型，大幅降低了计算资源消耗和推理成本，支持日均百万级票据数据的批量治理。

56、3、针对科室、药品等不同语义层级的信息设计差异化的归一化子流程，能够灵活适配各类医疗实体的治理需求；标准知识库支持横向维度扩展和纵向维度增量更新，实现可持续进化。

57、4、通过人工审核闭环机制，将低置信度结果的审核结论反馈至标准知识库，不断丰富实体别名和属性信息，形成“治理-反馈-优化”的正向循环。

58、5、提供完整的批量治理流水线，支持分布式并行处理、结果自动分流，大幅减少人工干预，降低运维成本。