案例纲领

针对传统深度学习工夫在中医术语理会和复漫笔本处理上的局限性，本文提议以大言语模子为中枢，辅以传统机器学习的处置决策，用于栽种大言语模子对中医病历的理会能力，从而提议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告捷应用，不仅松开了东谈主工质控职守，也使病历质地显耀栽种。手脚国内首个基于大言语模子东谈主工智能的中医病历质控践诺，本接洽在表面与工夫层面均展现出改革性，为行业带来了新的念念维模式与价值。

病院蓝皮书·中国病院竞争力解说(2025)

AI赋能翌日医疗 改革求变

基于大言语模子的 AI中医病历“智”控

——以浙江省中病院为例

1

序言

这种工夫组合尽管在调回率和精度提高上赢得了一定生效，但存在显耀的局限性。传统深度学习工夫的一个中枢问题是大言语模子并不成真实理会文本的含义，依赖于词素领悟和软件工程的方法在鲁棒性方面弘扬欠安。这种局限性导致了两个主要问题。

领先，当代西医术语倾向于尺度化，而中医术语固然也在冉冉尺度化，但其抒发方式时常受到传统风尚和汉字精细性情的影响，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大言语模子难以准确判断。举例，西医术语的“寝息好/差”，可肖似类比中医术语的“夜寐安/不安”，然而，①“安”又可肖似替换为“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、夜寐伪善、夜寐不适、夜寐稍好。②“不”又可肖似替换为“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，寝息的形容与其他症状和体征不异，时常会带有进程与时间特征，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

要害工夫

跟着AI工夫的感奋发展，连年来兴起的大言语模子能像东谈主不异理会整段文本与高下文的兴味，谈判前述中医病历质控痛点，咱们经过反复比较，最终采取了以大言语模子为主，传统机器学习与深度学习为补充的中医病历质控工夫选型。

(一)模子采取

(二)预教授

咱们收罗整理了以下语料:中医古籍约600本，中医临床诊疗术语、中医方剂常识、中草药常识、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、疾病常识库、手术常识库、考察查抄常识库、药品证明书、绽开医疗问答数据集、绽开通用NLP数据集、绽开医疗NLP数据集、绽开中语预教授语料、多轮指示数据等约5GB数据。

中医大言语模子在24xH100的GPU上经过32*24小时的教授，教授在失掉率(lossrate)低于0.15时收尾，经测试，经过教授的中医大言语模子在中医方面的常识与能力得到了显耀的栽种。以下为教授前后的真实测试案例。

Q

中医术语中的“更衣”是什么兴味?

A

【教授前大言语模子回应】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文静，常会使用“更衣”来指代排大便的活动。

【教授后大言语模子回应】在中医术语中，“更衣”是一个较为委婉的表述，它施行上指的是排大便。这个词语常出当今古代文件或认真是样子，用以替代平直形容排泄的词语，以合适中语的含蓄和文静特色。《幼幼集成》:更衣，谓大便也。

Q

中医术语中的“更衣稍佳”是什么兴味?

A

【教授前大言语模子回应】“更衣稍佳”是中医术语，兴味是更换穿戴后病情有所改善。更衣稍佳频频用于形容病情的变化，默示病情有所好转，但并未完全康复。

【教授后大言语模子回应】中医术语中，“更衣稍佳”这句话出自古代医书，同意是形容大便的性状。“更衣”即指解大便，“稍佳”是说大便的质地尚可，不硬也不软，属于一种泛泛的排便情况。中医以为，大便的性状和脾胃功能、饮食结构等齐有密切联系。“更衣稍佳”，不错理会为脾胃功能基本长入，饮食结构适应，排便泛泛。

从上述案例咱们不错看到，当咱们问中医术语“更衣”是什么兴味，未经教授的大言语模子不错回应正确，因为它具备一般的汉语常识，但若是句子稍稍复杂，大言语模子则容易受高下文或前后词语的影响，出现误差的理会，而教授后的模子则不存在此类问题。

(三)优化工夫

固然经过中医语料教授的大言语模子，比未经教授的模子有更好的弘扬，但照旧幸免不了“幻觉”过多的问题，回应浮浅问题时大言语模子一般齐能回应正确，但若是材料过于复杂，波及常识点过多，大言语模子则仍然容易出现“常识坍弛”问题，这实质上亦然“幻觉”问题。

为更好地处置“幻觉”问题，栽种中医病历质控终结，咱们抽象愚弄了Prompt工程优化方法。大言语模子的Prompt看起来浮浅，但Prompt的是非，对终结的正确与否影响极大，无意候比全量微调方法对终结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.模板接洽:在Prompt工程中，接洽合适的输入模板是至关紧要的。这些模板不错包括问题、指示、示例或其他体式的文本，用于辅导模子生成生机的输出。模板接洽需要谈判怎样最大适度地激勉大模子的后劲，同期确保输出的准确性和关联性。

2.少样本学习(Few-shotLearning):少样本学习允许模子在惟有小数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，以匡助大言语模子理罢职务的要乞降高下文。

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罢职务。高下文不错是关联的配景信息、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):念念维链是一种在大言语模子(LLM)中引入的高等领导策略，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.对抗性Prompt接洽:这种工夫旨在接洽出大约测试大言语模子鲁棒性和抗击误导性输入能力的Prompt。通过引入挑战性的输入，不错评估和改善大言语模子在靠近复杂或误导性信息时的弘扬。

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。这波及收罗响应、分析终结，并证明需要退换Prompt接洽，以不休改进大模子的性能。

经过二次教授的大言语模子领有了更丰富的垂直界限常识，同期在处置特定界限问题时有了更好的“指示纳降”性，但在靠近一些很是复杂的质控点，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，大言语模子仍然很难有杰出好的弘扬。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，咱们先后罗致了多样微调方法，有全参微调，也有qlora微调，微调数据有来自教师模子(能力更强的模子)生成的海量数据，也有来自质控历程中积蓄的质控案例，还有一部分来自本院行家质控的数据。

通过使用以上三个方面的数据，以及不休退换微调参数，咱们最终使大言语模子针对上述复杂度高的质控问题的调回率与精度阔别栽种了38.7%和11.6%。

3

系统架构与功能

(一)系统架构

本花样是集大数据、深度学习与大言语模子于一体的中医病历质控改革性处置决策。其中枢架构为以下几个方面。

1.数据麇集与预处理层:系统罗致高速可靠麇集工夫，麇集HIS、LIS、PACS、EMR、手麻、照看等数据，并愚弄当然言语处理工夫进行文本清洗、去噪和尺度化处理，为后续分析打下坚实基础。

2.常识图谱构建层:整合中医经典表面、临床指南、药物数据库等多源常识，构建中医特色常识图谱，利用图数据库与向量数据库存储，罢了症状、病因、调养决策等实体间复杂联系的高效查询与推理。

4.质控与扶植决策层:抽象上述分析终结，大言语模子可智能评估病历的圆善性、准确性和合规性，即时响应质控建议，扶植大夫优化病历书写，栽种病历质地经管遵守。

(二)主邀功能模块

1.AI智能质控模块:愚弄当然言语处理工夫和中医病历质控大言语模子，自动检测病历中的逻辑误差、信息遗漏、术语不妥等问题，实时提供修改建议。

2.质控闭环模块:罢了从病历初稿到最终审核的全链条经管，包括自动初审、大夫修正、二次复审等法子，确保每一个法子的质控齐能得到灵验追踪与响应，酿成闭环经管。

3.东谈主工质控模块:提供界面友好的质控责任台，便于东谈主工审核团队高效审阅系统符号的问题病历，进行紧密的东谈主工复核与纠正，确保质控终结的可靠性。

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解说，包括问题类型散布、科室或大夫的质控绩效等，为经管层提供决策支撑，促进连接质地改进。

5.质控步调与常识库模块:动态珍视基于最新中医临床指南、功令战略的质控步调库，以及丰富的中医病历撰写模范和术语库，支撑步调的快速迭代与常识更新，确保质控尺度的时效性和专科性。

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。收尾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，基本遮盖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%，抽样率固然不高，但全齐数目还长短常可不雅，需要破耗多数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，幸免一般性的差错和问题。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、处置问题。说七说八，通过特意教授的中医大言语模子，通过连接改进，比拟于传统工夫组合，极地面栽种了中医病历质控的调回率和精度，松开了质控员的责任压力，提高了病院中医病历质控责任的生效，栽种了病历质地。

5

论断与瞻望

本文通过建设特意用于中医病历质控的大言语模子，集会先进的AI工夫和工程践诺，为中医病历质控行业缔造了新的标杆。从行业角度来看，咫尺AI病历质控，大多侧重于西医界限，而对中医界限，则少有专注于此的产物。据咱们了解，本案例是国内初度东谈主工智能工夫应用于中医质控界限的践诺。

翌日，跟着工夫的不休演进，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支撑。通过连接的工夫迭代和优化，咱们期待这一系统大约进一步栽种病历质控的遵守和准确性，成为中医数字化转型的紧要驱能源。