本發(fā)明涉及電數(shù)字數(shù)據(jù)處理，尤其涉及一種基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法。

背景技術(shù)：

1、對于醫(yī)療電子病歷檢索場景，病歷相關(guān)表非常多，電子病歷標準數(shù)據(jù)集即有50多個。而業(yè)務(wù)人員在獲取需要的病歷時往往需要做較為靈活的查詢，一種較為常見的解決方案是通用查詢，檢索條件中可以自由選擇哪個表的哪個字段的邏輯表達式組合，從而實現(xiàn)靈活的查詢條件。但這種檢索存在一個問題，需要使用該功能的人員對表結(jié)構(gòu)比較熟悉，但是，也存在著業(yè)務(wù)人員對表結(jié)構(gòu)并不熟悉，并不清楚自己需要查詢的內(nèi)容散落在哪些表中。

2、通過對通用生成式ai的大語言模型做訓練/微調(diào)，實現(xiàn)將查詢的自然語言描述轉(zhuǎn)換為后臺查詢邏輯，是一個比較好的方案，用戶以自然語言來描述需要查詢的內(nèi)容，即返回查詢結(jié)果，這種方式對用戶非常友好。目前已知的這種大模型中，主要以自然語言轉(zhuǎn)換為sql語句，再進一步使用sql做數(shù)據(jù)庫查詢。這種方案存在以下幾個問題：其一，其嚴重依賴sql，查詢的目標數(shù)據(jù)必須為兼容sql的數(shù)據(jù)；其二，其生成式ai生成的sql不一定正確，如果語法錯誤或邏輯錯誤，難以糾錯；其三，極少數(shù)的用戶熟悉sql，使用用戶糾錯的方法也不現(xiàn)實。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，以解決上述現(xiàn)有技術(shù)的不足，本方法通過訓練ai模型，實現(xiàn)業(yè)務(wù)人員對自己想要的數(shù)據(jù)做自然語言描述，即可自動轉(zhuǎn)換為外部通用查詢模塊的查詢條件的邏輯表達式，業(yè)務(wù)人員不再需要去熟悉相關(guān)表結(jié)構(gòu)，提升了外部通用查詢模塊的易用性與實用性。本方法中生成的是目標查詢模塊需要的查詢條件的邏輯表達式，邏輯表達式存在強約束，比較容易判斷模型生成的條件格式是否正確。并且可以通過外部查詢模塊的查詢條件欄展示，方便用戶對檢索條件進一步糾錯。此外，本方法采用相關(guān)自動生成技術(shù)，降低訓練/微調(diào)的人力成本，降低項目周期，從而降低項目總體成本。

2、為了實現(xiàn)本發(fā)明的目的，擬采用以下技術(shù)：

3、一種基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，包括步驟：

4、步驟01，獲取/配置相關(guān)表信息及相關(guān)表中字段信息；

5、步驟02，自動構(gòu)建查詢條件邏輯表達式；

6、步驟03，通過大語言模型將邏輯表達式轉(zhuǎn)換為自然語言描述；

7、步驟04，將查詢條件邏輯表達式作為output，自然語言描述作為input，組織訓練/微調(diào)數(shù)據(jù)；

8、步驟05，訓練/微調(diào)模型；

9、步驟06，將訓練/微調(diào)好的模型封裝為服務(wù)提供給外部。

10、進一步地，步驟01中，獲取/配置相關(guān)表信息時：

11、獲取/配置患者基本信息表及其字段；

12、獲取/配置患者就診信息表及其字段；

13、獲取/配置電子病歷及需要查詢的業(yè)務(wù)表及字段。

14、進一步地，步驟02中，自動建立查詢條件邏輯表達式的步驟為：

15、步驟20，配置各字段的邏輯操作及設(shè)置各字段操作符的示例值；

16、步驟21，隨機設(shè)定邏輯表達式的分組層級；

17、步驟22，迭代隨機設(shè)置分組表達式的子表達式個數(shù)，以及子表達式與前一子表達式的關(guān)系；

18、步驟23，隨機設(shè)置原子表達式字段，并獲得字段與值的邏輯符號，及字段的邏輯符號對應(yīng)的示例值。

19、進一步地，步驟03中，通過大語言模型將查詢條件邏輯表達式轉(zhuǎn)換為自然語言描述時，采用步驟01中所提到的相關(guān)表及表中字段信息以及步驟02中所自動構(gòu)建的查詢條件邏輯表達式，將其組織成大語言模型的調(diào)用參數(shù)，返回為邏輯表達式所對應(yīng)的自然語言描述。

20、進一步地，調(diào)用參數(shù)為示例對話、用戶輸入及提示詞。

21、進一步地，步驟04中，將查詢條件邏輯表達式作為output，自然語言描述作為input，組織訓練/微調(diào)數(shù)據(jù)的步驟為：

22、由步驟02中所自動構(gòu)建的查詢條件邏輯表達式作為output；

23、由步驟03所得的自然語言描述作為input；

24、并加入提示詞prompt；

25、組合多條訓練數(shù)據(jù)為一個json訓練數(shù)據(jù)集。

26、進一步地，步驟06中，將訓練好的模型封裝為服務(wù)的步驟為：

27、步驟60，接收外部檢索系統(tǒng)輸入的檢索條件；

28、步驟61，組織訓練后模型的調(diào)用參數(shù)；

29、步驟62，調(diào)用模型生成的邏輯表達式；

30、步驟63，解析分割邏輯表達式、組織響應(yīng)數(shù)據(jù)；

31、步驟64，驗證邏輯表達式；

32、步驟65，格式轉(zhuǎn)換。

33、進一步地，組織訓練后模型的調(diào)用參數(shù)中的調(diào)用參數(shù)為提示詞和用戶輸入詞。

34、進一步地，驗證邏輯表達式時，通過對響應(yīng)中的原子表達式驗證其表和字段以及邏輯操作符是否與配置一致；

35、若響應(yīng)中的原子表達式與其表和字段以及邏輯操作符配置一致，則轉(zhuǎn)換為外部檢索系統(tǒng)需要的名稱格式；

36、若響應(yīng)中的原子表達式與其表和字段以及邏輯操作符配置不一致，則刪除該原子表達式或者返回錯誤信息給調(diào)用方或者再次調(diào)用模型重新生成。

37、上述技術(shù)方案的優(yōu)點在于：

38、本發(fā)明可自動構(gòu)建訓練數(shù)據(jù)，從而降低了研發(fā)成本；約束邏輯表達式，降低生成式ai的幻覺風險；避免直接執(zhí)行錯誤sql對數(shù)據(jù)庫的影響；提升用戶使用的便捷性；降低項目研發(fā)周期，推進ai大模型的應(yīng)用。

技術(shù)特征：

1.基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，包括步驟：

2.根據(jù)權(quán)利要求1所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，步驟01中，獲取/配置相關(guān)表信息時：

3.根據(jù)權(quán)利要求1所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，步驟02中，自動建立查詢條件邏輯表達式的步驟為：

4.根據(jù)權(quán)利要求3所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，步驟03中，通過大語言模型將查詢條件邏輯表達式轉(zhuǎn)換為自然語言描述時，采用步驟01中所提到的相關(guān)表及表中字段信息以及步驟02中所自動構(gòu)建的查詢條件邏輯表達式，將其組織成大語言模型的調(diào)用參數(shù)，返回為邏輯表達式所對應(yīng)的自然語言描述。

5.根據(jù)權(quán)利要求4所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，調(diào)用參數(shù)為示例對話、用戶輸入及提示詞。

6.根據(jù)權(quán)利要求1所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，步驟04中，將查詢條件邏輯表達式作為output，自然語言描述作為input，組織訓練/微調(diào)數(shù)據(jù)的步驟為：

7.根據(jù)權(quán)利要求1所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，步驟06中，將訓練好的模型封裝為服務(wù)的步驟為：

8.根據(jù)權(quán)利要求7所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，組織訓練后模型的調(diào)用參數(shù)中的調(diào)用參數(shù)為提示詞和用戶輸入詞。

9.根據(jù)權(quán)利要求7所述的基于生成式ai的電子病歷自然語言檢索模型的構(gòu)建方法，其特征在于，驗證邏輯表達式時，通過對響應(yīng)中的原子表達式驗證其表和字段以及邏輯操作符是否與配置一致；

技術(shù)總結(jié)
基于生成式AI的電子病歷自然語言檢索模型的構(gòu)建方法，屬于電數(shù)字數(shù)據(jù)處理技術(shù)領(lǐng)域，其包括步驟：步驟01，獲取/配置相關(guān)表信息及相關(guān)表中字段信息；步驟02，自動構(gòu)建查詢條件邏輯表達式；步驟03，通過大語言模型將邏輯表達式轉(zhuǎn)換為自然語言描述；步驟04，將查詢條件邏輯表達式作為output，自然語言描述作為input，組織為訓練/微調(diào)數(shù)據(jù)；步驟05，訓練/微調(diào)模型；步驟06，將訓練好的模型封裝為服務(wù)提供給外部。本發(fā)明可自動構(gòu)建訓練數(shù)據(jù)，從而降低了研發(fā)成本；約束邏輯表達式，降低生成式AI的幻覺風險；避免直接執(zhí)行錯誤sql對數(shù)據(jù)庫的影響；提升用戶使用的便捷性；降低項目研發(fā)周期，推進AI大模型的應(yīng)用。

技術(shù)研發(fā)人員：朱智源,陳躍,李輝,張淅,呂雪,余炳才
受保護的技術(shù)使用者：成都醫(yī)星科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30