病历文本AI结构化定制：随访字段抽取与人工校验

在随访与科研数据整理中，大量关键信息仍以自由文本形式存在于出院小结和门诊病历里。本期医疗AI实验室的阶段性工作聚焦“病历文本→结构化字段”的抽取链路：目标不是生成诊断建议，而是把医生已经写下的信息稳定搬进可用字段。

进展：我们在约3000份脱敏出院小结上，针对用药名称、剂量、频次、疗程、复查时间等12类随访字段做抽取实验。规则+词典基线方案的字段级F1约0.72，主要漏在缩写、否定表述（“未见”“不考虑”）与跨句指代；改用中文医疗预训练模型做指令微调，并保留原文证据片段回标后，F1提升至0.89。当前最弱字段为“用药剂量”，F1约0.81，多因书写省略单位。医生抽样复核200例，整体修正率7.4%，错误集中在低频科室模板。

下一步：把证据回标做成界面可点击溯源，降低医生复核成本；并接入一个科室的随访提醒流程做小范围前瞻验证，同时观察跨科室迁移时的字段衰减情况。