基于临床专家思维大模型的医疗文本缺陷自愈与分层逻辑质控治理方法及系统与流程

摘要: 本发明涉及医疗数据处理,尤其涉及一种基于临床专家思维大模型的医疗文本缺陷自愈与分层逻辑质控治理方法及系统。背景技术:1、电子病历是医院质量管理、医疗纠纷处理、医...
基于临床专家思维大模型的医疗文本缺陷自愈与分层逻辑质控治理方法及系统与流程

本发明涉及医疗数据处理,尤其涉及一种基于临床专家思维大模型的医疗文本缺陷自愈与分层逻辑质控治理方法及系统。

背景技术:

1、电子病历是医院质量管理、医疗纠纷处理、医保结算与等级评审的核心数据载体,其文本质量直接关系到临床安全与医院运营。随着医疗信息化与大模型技术的发展,业内已出现多种电子病历质控方案,主要包括基于规则引擎的字段校验方案、基于通用大模型的文本改写方案、基于知识图谱的内容补全方案三类。

2、然而现有电子病历质控方案均存在明显缺陷:其一,传统规则引擎方案仅执行表面字段校验,无法识别临床深层逻辑错误,包括用药重复、诊疗时序冲突、适应症缺失等逻辑漏洞均无法检出;其二,通用大模型改写方案直接覆盖原始病历文本,存在篡改真实诊疗记录的法律风险,不符合病历管理相关法规要求;其三,知识图谱补全方案采用标准模板生成补全内容,未结合医生个人书写习惯,补全内容与实际书写语境存在偏差;其四,现有质控方案未执行缺陷风险分层,无法区分不同严重等级的缺陷,不支持分级整改流程。

3、因此,现有技术还有待于改进和发展。

技术实现思路

1、本技术的目的在于提供一种基于临床专家思维大模型的医疗文本缺陷自愈与分层逻辑质控治理方法及系统,能够实现医疗文本缺陷的精准识别、非侵入式标注、个性化补全与风险分级治理,有效提升病历质量管控的合规性与临床适用性。

2、第一方面,本技术提出了一种基于临床专家思维大模型的医疗文本缺陷自愈与分层逻辑质控治理方法,包括:

3、通过院内集成平台接入多源医疗文本,对所述多源医疗文本执行结构化解析并按段落与时序切分;

4、调用包含三个独立角色头的临床专家思维大模型,按表层至中层至深层的顺序执行三层递进式逻辑质控,各层独立输出缺陷列表;

5、在保持原始医疗文本只读的前提下,基于字符级偏移量定位缺陷位置并叠加渲染缺陷标注框,由医护人员执行人工确认操作;

6、融合医生个人书写风格向量基线与国标医疗知识图谱,对残缺文本执行双驱动补全并输出排序后的候选补全方案;

7、依据风险评级算法对每条缺陷执行四级风险评级,对应生成不同优先级的分级整改工单;

8、对接医院病案系统与医保审核系统接口,将整改结果回流至临床专家思维大模型并归档形成可追溯质量管理档案。

9、进一步地,所述通过院内集成平台接入多源医疗文本,对所述多源医疗文本执行结构化解析并按段落与时序切分,包括:

10、通过hl7/fhir标准接口接入emr系统、病案首页系统、手术麻醉系统、护理系统、lis系统数据源,定时拉取出院病历包;

11、由结构化解析模块提取患者主诉、现病史、既往史、诊断编码、用药医嘱、检验检查结果、操作记录、护理记录关键要素;

12、对提取得到的长文本数据,按照自然段落划分与诊疗时间戳顺序执行双重切分,形成时序化文本片段序列。

13、进一步地,所述调用包含三个独立角色头的临床专家思维大模型,按表层至中层至深层的顺序执行三层递进式逻辑质控,各层独立输出缺陷列表,包括:

14、调用一级医师角色头执行表层质控,识别字段缺项、错别字、口语化语病、格式不规范类缺陷,输出第一缺陷列表;

15、将原始文本与所述第一缺陷列表作为输入,调用二级医师角色头执行中层质控,识别诊疗时序冲突、用药与诊断矛盾、检验检查与诊断不一致类缺陷,输出第二缺陷列表;

16、将原始文本、所述第一缺陷列表与所述第二缺陷列表作为输入,调用三级医师角色头执行深层质控,识别指南符合性偏差、手术与检查适应症禁忌症不符、医保合规逻辑类缺陷,输出第三缺陷列表;

17、所述第一缺陷列表、第二缺陷列表、第三缺陷列表独立存储,不执行合并操作。

18、进一步地,所述三个独立角色头基于同一基座大语言模型通过lora适配器微调得到,包括:

19、一级医师角色头采用住院医师规范化培训题库数据与住院病历示教数据执行微调;

20、二级医师角色头采用主治医师查房记录数据与疑难病例讨论记录数据执行微调;

21、三级医师角色头采用死亡病例讨论记录、医疗事故鉴定报告、医保飞行检查通报数据执行微调;

22、三个角色头共享底层transformer参数,仅在输出层保留独立lora权重参数。

23、进一步地,所述在保持原始医疗文本只读的前提下,基于字符级偏移量定位缺陷位置并叠加渲染缺陷标注框,由医护人员执行人工确认操作,包括:

24、临床专家思维大模型输出缺陷在原始文本中的起止字符偏移量、错误类型编码、错误原因依据、可执行改写方案;

25、前端渲染引擎以原始文本为画布,在所述起止字符偏移量对应位置叠加半透明高亮层与标注信息,标注信息包含缺陷所在章节、字段位置、行号、依据的指南条文或医保规则编号;

26、标注框附带三个操作按钮,分别对应采纳建议、忽略并填写理由、转人工审核三种操作;

27、对执行采纳操作的修改,自动生成包含修改人标识与修改时间戳的修订记录并写入质控审计日志。

28、进一步地,所述融合医生个人书写风格向量基线与国标医疗知识图谱,对残缺文本执行双驱动补全并输出排序后的候选补全方案,包括:

29、自动采集目标医生近三年的脱敏病程记录、主诉记录、查房记录、医嘱备注文本,经过去标识化与归一化处理后训练得到个人书写风格向量基线;

30、对历史病历样本量不足阈值的新入职医生,采用所属科室主治及以上职称医生的风格向量加权平均值作为代理风格向量;

31、调用临床专家思维大模型,结合包含疾病库、药品库、症状库的国标医疗知识图谱生成多个候选补全方案;

32、计算各候选补全方案与所述个人书写风格向量基线的余弦相似度,按相似度降序排列输出top-3候选补全方案。

33、进一步地,所述依据风险评级算法对每条缺陷执行四级风险评级,对应生成不同优先级的分级整改工单,包括:

34、基于缺陷类型与严重程度计算风险分值,按照预设分位值阈值划分为四级:第一级为书写瑕疵,第二级为一般逻辑错误,第三级为重大诊疗错误,第四级为医保高风险违规;

35、第一级缺陷生成科室自查工单,推送至科室质控员;

36、第二级缺陷生成医师复核工单,推送至主管医生并设置3日闭环时限;

37、第三级缺陷生成双审核工单,推送至科主任与质控科并设置24小时闭环时限;

38、第四级缺陷生成紧急工单,推送至医保办与分管院长并触发申报冻结指令。

39、进一步地,所述对接医院病案系统与医保审核系统接口,将整改结果回流至临床专家思维大模型并归档形成可追溯质量管理档案,包括:

40、通过医院集成平台api实时同步整改状态与最终修改内容;

41、将标注数据、整改操作记录、人工审核结果作为微调样本回流至临床专家思维大模型训练管道;

42、为每份出院病历生成独立质控报告,记录检出缺陷清单、风险评级结果、整改流程节点、最终病案首页评分;

43、采用联邦学习架构支持多院区部署,各院区原始病历数据不出本地节点,仅同步模型参数更新与知识图谱增量数据。

44、第二方面,本技术还提出了一种基于临床专家思维大模型的医疗文本缺陷自愈与分层逻辑质控治理系统,包括:

45、文本接入解析模块,用于通过院内集成平台接入多源医疗文本,对所述多源医疗文本执行结构化解析并按段落与时序切分;

46、三层质控模块,用于调用包含三个独立角色头的临床专家思维大模型,按表层至中层至深层的顺序执行三层递进式逻辑质控,各层独立输出缺陷列表;

47、非侵入标注模块,用于在保持原始医疗文本只读的前提下,基于字符级偏移量定位缺陷位置并叠加渲染缺陷标注框,由医护人员执行人工确认操作;

48、个性补全模块,用于融合医生个人书写风格向量基线与国标医疗知识图谱,对残缺文本执行双驱动补全并输出排序后的候选补全方案;

49、风险评级模块,用于依据风险评级算法对每条缺陷执行四级风险评级,对应生成不同优先级的分级整改工单;

50、闭环归档模块,用于对接医院病案系统与医保审核系统接口,将整改结果回流至临床专家思维大模型并归档形成可追溯质量管理档案。

51、进一步地,所述系统采用五层分层架构设计:

52、接入层包含emr接入单元、病案首页接入单元、手术护理记录接入单元、医保接口单元;

53、数据层包含国标指南知识库、医院医生风格库、医保规则库、病案原始档案库;

54、算法引擎层包含临床专家思维大模型、医疗知识图谱引擎、医生风格库引擎、医保规则引擎;

55、智能服务层包含三层质控智能体、非侵入标注智能体、个性化补全智能体、风险评级智能体;

56、应用层包含医院病案系统对接单元、医保审核系统对接单元、电子病历emr对接单元、医院质控平台对接单元。

57、第三方面,本技术还提出了一种终端,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的医疗文本缺陷自愈与分层逻辑质控治理程序,所述医疗文本缺陷自愈与分层逻辑质控治理程序被所述处理器执行时实现上述方法的步骤。

58、第四方面,本技术还提出了一种计算机可读存储介质,所述计算机可读存储介质存储有医疗文本缺陷自愈与分层逻辑质控治理程序,所述医疗文本缺陷自愈与分层逻辑质控治理程序被处理器执行时实现上述方法的步骤。

59、相对比现有技术,本技术具有如下有益效果:

60、本技术提供的一种医疗文本缺陷自愈与分层逻辑质控治理方法、系统、终端及计算机可读存储介质,通过三层递进式逻辑质控实现缺陷精准识别,采用非侵入式标注保障病历真实性,结合医生风格向量与知识图谱实现个性化补全,并基于风险评级优化整改流程,能够实现医疗文本缺陷的精准识别、非侵入式标注、个性化补全与风险分级治理,有效提升病历质量管控的合规性与临床适用性。