在医疗AI实验室近期的实验中，我们把重点放在非结构化临床文本上。一份出院小结里，诊断、手术、用药和时间节点往往散落在自由文本中，人工整理既费时又容易漏项。我们的阶段性思路是：先做要素抽取，再做一致性与规范性校验，而不是让模型直接输出临床结论。
进展：在约2000份脱敏出院小结构成的内部评测集上，采用「小模型抽取＋规则校验＋人工抽检」的组合方案，诊断名称与手术名称的字段一致率约92%；用药剂量与频次因书写习惯差异较大，一致率约85%。该结果仅来自离线评测环境，未在院内全量部署，也不作为任何临床决策依据。
下一步，重点处理否定与不确定表述（如「未见」「待排」）以及跨段指代问题，并将抽取值映射到院内标准术语集，衡量术语归一化后的实际可用率。
评论