根据住院病历生成标准出院记录。输入入院记录、病程记录等,调用内部医疗大模型,输出结构化出院记录(含主诉、入院情况、入院诊断、诊疗经过、出院诊断、出院情况、出院医嘱七个字段)。
Coding
unisound-health-record-management
Try it居民健康档案管理。从非结构化就诊记录/体检报告/问卷文本中抽取结构化居民健康档案,符合《国家基本公共卫生服务规范(第三版)》(JSON + 自然语言摘要)。
What it does
居民健康档案管理。从非结构化就诊记录/体检报告/问卷文本中抽取结构化居民健康档案,符合《国家基本公共卫生服务规范(第三版)》(JSON + 自然语言摘要)。
The skill document
居民健康档案管理
概述
面向社区卫生服务机构/乡镇卫生院公共卫生人员,给定居民就诊记录、体检报告或健康问卷文本,本技能会:
- 提取基本信息(性别、年龄、职业等)
- 结构化现病史、慢性病史、家族史
- 提取生活方式信息(吸烟、饮酒、运动、饮食)
- 整理体格检查和实验室检查结果
- 汇总当前用药情况
- 识别健康风险因素并给出随访计划建议
档案结构参考《国家基本公共卫生服务规范(第三版)》。
数据安全、隐私与伦理声明
- 最小必要原则:仅处理健康档案建立所必需的信息;不处理姓名、身份证号、手机号、家庭住址等直接身份标识,建议在传入前完成脱敏。
- 严格脱敏:发送前对可识别身份信息进行脱敏/去标识化处理。
- 不做本地持久化:仅在内存中短暂处理;本次调用结束即销毁。
- 公共卫生用途声明:本技能输出的档案信息仅用于基层居民健康管理,须由公卫人员复核后录入正式档案系统。
输入格式
纯文本(UTF-8),包含居民健康相关信息,例如:
男,52岁,务农,小学文化。
2018年诊断为2型糖尿病,规律口服二甲双胍500mg tid。
2021年诊断为高血压病,服用氨氯地平5mg qd。
父亲有高血压和冠心病。
吸烟30年,每天约1包;偶尔饮酒。
体检:身高168cm,体重78kg,BP 148/92mmHg,空腹血糖7.8mmol/L,HbA1c 7.9%。
也支持 JSON 格式(包含 text/content/health_info 字段的对象)。
快速开始
# 从 skills 目录运行
python3 clinic/public-health-mgmt/health-record/scripts/run.py \
--input data/clinic-health-record/case-001.txt \
--appkey
# 保存输出到文件
python3 clinic/public-health-mgmt/health-record/scripts/run.py \
--input data/clinic-health-record/case-001.txt \
--appkey \
--output runs/clinic-health-record/case-001.json
参数说明
--input PATH:必填。居民健康信息文件路径(txt 或 json,UTF-8)。--appkey STRING:必填。调用内部医疗大模型的鉴权 key,由平台分配。--output PATH:输出文件路径(默认:打印到 stdout)。--base URL:内部大模型 base URL(默认:https://maas-api.hivoice.cn/v1)。--model STRING:模型名称(默认:u2-med)。--timeout SECONDS:HTTP 超时秒数;0表示一直等待(默认:0)。--encoding STRING:输入文件编码(默认:utf-8)。
输出约定
输出分两部分:
JSON 结构(参考国家公卫规范字段):
{
"basic_info": { "gender": "男", "age": 52, "occupation": "务农", "education": "小学" },
"health_status": {
"chronic_diseases": ["2型糖尿病(2018年)", "高血压病(2021年)"]
},
"lifestyle": {
"smoking": "现在吸烟",
"smoking_amount": "20支/天",
"drinking": "偶尔"
},
"physical_exam": {
"height_cm": 168, "weight_kg": 78, "bmi": 27.6,
"blood_pressure": "148/92 mmHg"
},
"lab_results": {
"blood_glucose_fasting": "7.8 mmol/L",
"hba1c": "7.9%"
},
"current_medications": [
{ "drug_name": "二甲双胍", "dosage": "500mg tid", "indication": "2型糖尿病" },
{ "drug_name": "氨氯地平", "dosage": "5mg qd", "indication": "高血压" }
],
"health_assessment": {
"risk_factors": ["吸烟", "超重(BMI 27.6)", "血糖控制不佳", "血压未达标"],
"health_guidance_needed": ["戒烟干预", "糖尿病自我管理教育", "高血压生活方式指导"]
},
"follow_up_plan": {
"frequency": "每3个月随访1次",
"items_to_monitor": ["血压", "血糖", "HbA1c", "体重"]
}
}
自然语言摘要:以"【摘要】"开头,概括主要健康问题和管理要点。
依赖
运行环境
- Python 3.7+(仅使用标准库,无需额外安装)
外部 API
- 内部医疗大模型:
https://maas-api.hivoice.cn/v1/chat/completions
备注
- 未在输入中明确提及的字段输出
null,不捏造信息 - BMI 如有身高体重数据会自动计算
- 发布约束:示例输入、运行输出均放在 skill 包外(
data/、runs/),skill 目录内仅保留可发布的核心文件
Related skills
检后随访管理。根据体检报告,生成结构化随访计划(时间节点/随访内容/健康指导),支撑体检闭环服务(JSON + 面向受检者的随访通知)。
体检健康风险评估。基于体检报告对心脑血管、糖代谢、肿瘤、代谢综合征等多维度健康风险进行分级,生成含时间节点的个性化健康管理方案(JSON + 健康风险报告)。
专病诊疗、基层处置、全科辅助、结局分析、病情分析与慢病管理。通过 --task 选择场景;仅含 `scripts/run.py`,可独立拷贝部署。
健康咨询、体检解读与智能导诊挂号科室推荐。通过 --task 区分咨询与导诊场景;仅含 `scripts/run.py`,可独立拷贝部署。
根据手术相关病历素材生成规范的手术记录。输入术前小结、术中记录、术后记录等,调用内部医疗大模型,输出结构化手术记录(含手术日期、时间、地点、医生、手术名称、指征、诊断、经过、异常情况、术后情况、签名等 14 个字段)。