基于大语言模型的临床数据处理方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种基于大语言模型的临床数据处理，尤其在脊柱疾病临床文本数据结构化处理方法方面，属于人工智能和医学交叉领域，该方法包括：基于大语言模型对脊柱疾病临床文本数据进行预处理，特征提取，然后进行语法约束解码，再结合术语重要性权重和脊柱疾病临床相关性，计算复制概率，最后进行一致性检查，生成结构化目标数据。本发明专利技术所述的方法和装置，可以提高脊柱解剖学术语识别准确率和问诊效率。

【技术实现步骤摘要】

本专利技术属于人工智能与医学交叉领域，尤其涉及一种基于大语言模型的临床数据处理方法、装置及存储介质。

技术介绍

1、当前脊柱疾病临床诊疗面临三大技术瓶颈：非结构化问诊数据难以有效利用、专业医学术语识别准确率不足和临床决策缺乏结构化数据支持。传统电子病历系统依赖人工录入，效率低下，准确率低，例如：医护人员平均需花费15分钟完成单份病历录入，其中60％时间用于处理症状描述的结构化转换，约18％的临床实体因表述差异导致录入错误，30％的治疗方案记录存在时序逻辑错误。现有自然语言处理技术在脊柱疾病领域表现欠佳，测试数据显示，通用ner模型在脊柱解剖学术语识别上的f1值仅为0.63，症状持续时间提取准确率不足55％，治疗方案与解剖位置关联错误率达22％。

2、临床实践中的特殊挑战包括：脊柱疾病症状描述具有显著的空间特性(如“l4神经根支配区放射痛”)，现有模型难以准确解析解剖位置与症状的对应关系；治疗随访记录包含复杂的时间序列信息，传统方法无法有效建模症状演变过程；医学术语存在大量变体表达(如“acdf”与“前路颈椎间盘切除融合术”)，导致实体归一化困难本文档来自技高网...

【技术保护点】

1.一种基于大语言模型的临床数据处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述综合相似度根据以下方法确定：

3.根据权利要求1所述的方法，其特征在于，所述基于大语言模型的Transformer架构对预处理后的数据进行特征提取包括：

4.根据权利要求3所述的方法，其特征在于，根据以下公式对症状描述进行优化：

5.根据权利要求1所述的方法，其特征在于，所述根据动态词汇表生成每个解码步骤的合法令牌集包括：

6.根据权利要求1所述的方法，其特征在于，所述根据术语重要性权重和脊柱疾病临床相关性，计算复制概率包...

【技术特征摘要】

1.一种基于大语言模型的临床数据处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述综合相似度根据以下方法确定：

3.根据权利要求1所述的方法，其特征在于，所述基于大语言模型的transformer架构对预处理后的数据进行特征提取包括：

4.根据权利要求3所述的方法，其特征在于，根据以下公式对症状描述进行优化：

5.根据权利要求1所述的方法，其特征在于，所述根据动态词汇表生成每个解码步骤的合法令牌集包括：

6.根据权利要求1所述的方法，其特征...

【专利技术属性】
技术研发人员：蔡思逸，仉建国，陈亚萍，闵昂，刘荻，刘森，陈铮威，孙镝涵，周博文，郑佳敏，李云，
申请(专利权)人：中国医学科学院北京协和医院，
类型：发明
国别省市：