案例摘抄

针对传统深度学习本领在中医术语纠合和复随笔本处理上的局限性，本文提倡以谎言语模子为中枢，辅以传统机器学习的科罚决议，用于普及谎言语模子对中医病历的纠合智力，从而提倡中医病历智能质控新念念路。

论断：该模子在门诊与入院病历质控中的到手应用，不仅镌汰了东谈主工质控背负，也使病历质地权臣普及。四肢国内首个基于谎言语模子东谈主工智能的中医病历质控奉行，本究诘在表面与本领层面均展现出创新性，为行业带来了新的念念维模式与价值。

病院蓝皮书·中国病院竞争力证据(2025)

AI赋能将来医疗 创新求变

基于谎言语模子的 AI中医病历“智”控

——以浙江省中病院为例

1

序论

这种本领组合尽管在调回率和精度提高上获取了一定见效，但存在权臣的局限性。传统深度学习本领的一个中枢问题是谎言语模子并不可信得过纠合文本的含义，依赖于词素剖析和软件工程的设施在鲁棒性方面阐述欠安。这种局限性导致了两个主要问题。

当先，当代西医术语倾向于范例化，而中医术语天然也在逐步范例化，但其抒发口头通常受到传统民俗和汉字精细本性的影响，文本中可能包含文言文和高度简练的专科用语。这使得基于深度学习的谎言语模子难以准确判断。举例，西医术语的“寝息好/差”，可雷同类比中医术语的“夜寐安/不安”，然则，①“安”又可雷同替换为“宁”“可”“实”“适”“好”等，因此“寝息好/不好”可抒发为夜寐可眠、夜寐欠宁、夜寐不实、夜寐不适、夜寐稍好。②“不”又可雷同替换为“欠”“难”“劣”等，因此“睡

眠差”可抒发为夜寐欠宁、夜寐难安、夜寐遂欠、夜寐劣。

其次，寝息的描述与其他症状和体征相似，通常会带有进度与时分特征，而加上这些，中医术语就变成了:夜寐昨欠、夜寐六七时、夜寐半时可眠、夜寐近迟、夜寐已安、夜寐欠安时易作、夜寐佳转、夜寐醒后可眠、夜寐烘热而醒、夜寐偶欠安改善、夜寐早醒难复寐已愈。

2

要害本领

跟着AI本领的茂盛发展，连年来兴起的谎言语模子能像东谈主相似纠合整段文本与高下文的意旨真谛，考虑前述中医病历质控痛点，咱们经过反复比较，最终采用了以谎言语模子为主，传统机器学习与深度学习为补充的中医病历质控本领选型。

(一)模子采用

(二)预教师

咱们汇注整理了以下语料:中医古籍约600本，中医临床诊疗术语、中医方剂学问、中草药学问、中医病历约3万份(脱敏)，以及医学教科书、诊疗指南、临床旅途、疾病学问库、手术学问库、考研查验学问库、药品证据书、洞开医疗问答数据集、洞开通用NLP数据集、洞开医疗NLP数据集、洞开华文预教师语料、多轮指示数据等约5GB数据。

中医谎言语模子在24xH100的GPU上经过32*24小时的教师，教师在耗损率(lossrate)低于0.15时末端，经测试，经过教师的中医谎言语模子在中医方面的学问与智力得到了权臣的普及。以下为教师前后确凿切测试案例。

Q

中医术语中的“更衣”是什么意旨真谛?

A

【教师前谎言语模子复兴】中医术语中的“更衣”指排便，即排大便。在古代汉语中，为了护讳或者表述得更为风雅无比，常会使用“更衣”来指代排大便的行为。

【教师后谎言语模子复兴】在中医术语中，“更衣”是一个较为委婉的表述，它推行上指的是排大便。这个词语常出当前古代文件或崇拜的所在，用以替代凯旋描述排泄的词语，以恰当华文的含蓄和风雅无比本性。《幼幼集成》:更衣，谓大便也。

Q

中医术语中的“更衣稍佳”是什么意旨真谛?

A

【教师前谎言语模子复兴】“更衣稍佳”是中医术语，意旨真谛是更换穿戴后病情有所改善。更衣稍佳通常用于描述病情的变化，默示病情有所好转，但并未完全康复。

【教师后谎言语模子复兴】中医术语中，“更衣稍佳”这句话出自古代医书，首肯是描摹大便的性状。“更衣”即指解大便，“稍佳”是说大便的质地尚可，不硬也不软，属于一种浅显的排便情况。中医合计，大便的性状和脾胃功能、饮食结构等皆有密切计算。“更衣稍佳”，不错纠合为脾胃功能基本合资，饮食结构得当，排便浅显。

从上述案例咱们不错看到，当咱们问中医术语“更衣”是什么意旨真谛，未经教师的谎言语模子不错复兴正确，因为它具备一般的汉语学问，但如若句子稍稍复杂，谎言语模子则容易受高下文或前后词语的影响，出现虚假的纠合，而教师后的模子则不存在此类问题。

(三)优化本领

天然经过中医语料教师的谎言语模子，比未经教师的模子有更好的阐述，但照旧幸免不了“幻觉”过多的问题，复兴浅易问题时谎言语模子一般皆能复兴正确，但如若材料过于复杂，波及学问点过多，谎言语模子则仍然容易出现“学问垮塌”问题，这本色上亦然“幻觉”问题。

为更好地科罚“幻觉”问题，普及中医病历质控终止，咱们空洞愚弄了Prompt工程优化设施。谎言语模子的Prompt看起来浅易，但Prompt的横暴，对终止的正确与否影响极大，无意候比全量微调设施对终止的正确性的影响还大，因此咱们将Prompt看作一种工程绝不为过。

1.模板谈论:在Prompt工程中，谈论合适的输入模板是至关重要的。这些模板不错包括问题、指示、示例或其他体式的文本，用于调换模子生成祈望的输出。模板谈论需要考虑怎样最大限度地激励大模子的后劲，同期确保输出的准确性和有关性。

2.少样本学习(Few-shotLearning):少样本学习允许模子在唯有一丝示例的情况放学习新任务。在这种情况下，Prompt工程可能提供几个示例，以匡助谎言语模子理衔命务的要乞降高下文。

3.高下文体习(ContextualLearning):在Prompt工程中提供高下文信息，以匡助模子更好地舆衔命务。高下文不错是有关的布景信息、先前的对话或任何其他有助于模子生成更准确输出的信息。

4.念念维链(ChainofThought):念念维链是一种在谎言语模子(LLM)中引入的高档教导策略，旨在通过模拟东谈主类的推理历程来提高模子在复杂推理任务中的性能。

5.回击性Prompt谈论:这种本领旨在谈论出概况测试谎言语模子鲁棒性和违反误导性输入智力的Prompt。通过引入挑战性的输入，不错评估和改善谎言语模子在濒临复杂或误导性信息时的阐述。

6.性能评估和迭代:Prompt工程还包括对模子输出的评估和迭代历程。这波及汇注反应、分析终止，并凭据需要改变Prompt谈论，以不休改进大模子的性能。

经过二次教师的谎言语模子领有了更丰富的垂直规模学问，同期在科罚特定规模问题时有了更好的“指示信服”性，但在濒临一些特殊复杂的质控点，如“中医辨证与病情不符、中医治法与辨证或病情不符、中医方剂与辨证、治法或病情不符”时，谎言语模子仍然很难有颠倒好的阐述。为此，咱们对每个难度大的质控点作念了单独的微调，使之具备更高调回率和精度。以“中医方剂与辨证、治法或病情不符”质控点为例，咱们先后领受了多样微调设施，有全参微调，也有qlora微调，微调数据有来自教师模子(智力更强的模子)生成的海量数据，也有来自质控历程中蓄积的质控案例，还有一部分来自本院大师质控的数据。

通过使用以上三个方面的数据，以及不休改变微调参数，咱们最终使谎言语模子针对上述复杂度高的质控问题的调回率与精度分辨普及了38.7%和11.6%。

3

系统架构与功能

(一)系统架构

本表情是集大数据、深度学习与谎言语模子于一体的中医病历质控创新性科罚决议。其中枢架构为以下几个方面。

1.数据采集与预处理层:系统领受高速可靠采集本领，采集HIS、LIS、PACS、EMR、手麻、顾问等数据，并愚弄天然话语处理本领进行文本清洗、去噪和范例化处理，为后续分析打下坚实基础。

2.学问图谱构建层:整合中医经典表面、临床指南、药物数据库等多源学问，构建中医特色学问图谱，利用图数据库与向量数据库存储，完满症状、病因、调养决议等实体间复杂计算的高效查询与推理。

4.质控与缓助决策层:空洞上述分析终止，谎言语模子可智能评估病历的圆善性、准确性和合规性，即时反应质控建议，缓助大夫优化病历书写，普及病历质地治理遵循。

(二)主邀功能模块

1.AI智能质控模块:愚弄天然话语处理本领和中医病历质控谎言语模子，自动检测病历中的逻辑虚假、信息遗漏、术语不当等问题，实时提供修改建议。

2.质控闭环模块:完满从病历初稿到最终审核的全链条治理，包括自动初审、大夫修正、二次复审等技艺，确保每一个技艺的质控皆能得到有用追踪与反应，造成闭环治理。

3.东谈主工质控模块:提供界面友好的质控职责台，便于东谈主工审核团队高效审阅系统瑰丽的问题病历，进行细巧的东谈主工复核与翻新，确保质控终止的可靠性。

4.质控分析模块:通过可视化器具呈现病历质控的统计分析证据，包括问题类型分散、科室或大夫的质控绩效等，为治理层提供决策相沿，促进赓续质地改进。

5.质控章程与学问库模块:动态难得基于最新中医临床指南、规矩计谋的质控章程库，以及丰富的中医病历撰写表率和术语库，相沿章程的快速迭代与学问更新，确保质控范例的时效性和专科性。

4

应用情况

该系统先后在浙江省中病院门诊、入院系统开展AI病历质控。终止2024年，门诊病历上线质控点50个，其中AI质控数(非圆善性质控)23个，入院病历上线质控点253个，其中AI质控数121个，部分中医特色内涵质控点:中医证候与中医病名不符、治则治法与证型不符，中医会诊漏诊、中医会诊(病名)无依据或不准确、中医会诊(证候)无依据或不准确、使用西医病历模板书写中医病历、中医辨证与病情不符、中医治法与辨证或病情不符、中医方剂与辨证、治法或病情不符等，基本隐蔽了中医内涵质控点的80%。

经过一年多的试入手，在280万份门诊病历中，累计发现问题153万个，在9.2万份入院病历中，累计发现问题82.8万个。AI检测出的内涵问题，经东谈主工抽样核验后，一般内涵问题调回率达82.2%，精度为90.5%。深层医学内涵问题调回率达66.7%，精度为81.9%。该系统应用前，病历内涵质地问题抽检一般以抽样核查为主，入院病历抽样率约为10%，门诊病历抽样率约为1%，抽样率天然不高，但满盈数目还曲直常可不雅，需要破耗大宗的东谈主力进行东谈主工审核，相配耗时耗力。应用该系统后，病历内涵质控关隘前移，临床大夫可实时修改病历，幸免一般性的症结和问题。质控员通过报表即可掌持病历质控问题，在入手病历中即可发现问题、科罚问题。总而言之，通过脱落教师的中医谎言语模子，通过赓续改进，比拟于传统本领组合，极地面普及了中医病历质控的调回率和精度，镌汰了质控员的职责压力，提高了病院中医病历质控职责的见效，普及了病历质地。

5

论断与瞻望

本文通过栽植脱落用于中医病历质控的谎言语模子，勾通先进的AI本领和工程奉行，为中医病历质控行业缔造了新的标杆。从行业角度来看，当前AI病历质控，大多侧重于西医规模，而对中医规模，则少有专注于此的居品。据咱们了解，本案例是国内初次东谈主工智能本领应用于中医质控规模的奉行。

将来，跟着本领的不休演进，该系统有望引颈中医病历质控迈向愈加智能化的新阶段，为患者安全和医疗质地提供强有劲的相沿。通过赓续的本领迭代和优化，咱们期待这一系统概况进一步普及病历质控的遵循和准确性，成为中医数字化转型的重要驱能源。