基于大語言模型的中醫(yī)醫(yī)案命名實體抽取研究

李盼飛 ，楊小康 ，白逸晨 ，李海燕

1.中國中醫(yī)科學(xué)院中醫(yī)藥信息研究所，北京 100700；2.北京中醫(yī)藥大學(xué)中藥學(xué)院，北京 100029

醫(yī)案是中醫(yī)記錄和解析診療過程形成的臨證文本，是中醫(yī)著作的一種類型。醫(yī)案是醫(yī)家診療過程的真實記錄，蘊含醫(yī)家的思維過程及診療經(jīng)驗，是中醫(yī)學(xué)術(shù)傳承的重要載體之一。中醫(yī)在幾千年傳承中積累的海量醫(yī)案在當(dāng)代中醫(yī)學(xué)術(shù)傳承創(chuàng)新中具有獨特地位，是挖掘、總結(jié)中醫(yī)診療思想與實踐經(jīng)驗的重要知識來源，特別是人工智能、大數(shù)據(jù)技術(shù)更賦予了大規(guī)模、群體性醫(yī)案更高的研究價值。大語言模型是一種由包含數(shù)百億及以上參數(shù)的深度神經(jīng)網(wǎng)絡(luò)構(gòu)建的語言模型[1]，其展現(xiàn)出強大的對世界知識的掌握和對語言的理解能力，在自然語言處理任務(wù)中表現(xiàn)出色，可用來進(jìn)行命名實體識別與抽取、問答、文本分類等任務(wù)。

本文通過中醫(yī)醫(yī)案與信息學(xué)的交叉研究，深入分析醫(yī)案結(jié)構(gòu)要素，構(gòu)建醫(yī)案信息模型，嘗試通過大語言模型進(jìn)行醫(yī)案實體的自動化抽取，為醫(yī)案結(jié)構(gòu)化研究及大規(guī)模醫(yī)案科學(xué)數(shù)據(jù)的抽取作出重要探索。

1 中醫(yī)醫(yī)案在人工智能時代的巨大價值

中醫(yī)醫(yī)案具有大數(shù)據(jù)屬性，結(jié)合當(dāng)前的人工智能、大數(shù)據(jù)技術(shù)，將突破傳統(tǒng)的醫(yī)案研究方法，開辟新的研究范式，從大規(guī)模醫(yī)案中進(jìn)行數(shù)據(jù)挖掘、知識挖掘、智能化賦能等研究，將進(jìn)一步挖掘醫(yī)案中的科學(xué)價值。借助當(dāng)前計算機(jī)技術(shù)可以上升到歷時性、群體性醫(yī)案的研究，以某一病種、某一流派、某一理論、某一方藥等為視角，從大量醫(yī)案中獲取有助于中醫(yī)研究的成果[2-5]。中醫(yī)醫(yī)案包含了大量理法方藥的綜合信息，是一個蘊含龐雜信息、尚未完全開發(fā)的“大數(shù)據(jù)倉庫”，運用數(shù)據(jù)挖掘技術(shù)與醫(yī)案結(jié)合，可以進(jìn)行用藥規(guī)律、方證規(guī)律、證候相關(guān)性、證型分析、治則治法分析、證型預(yù)測等研究。運用知識挖掘方法與技術(shù)，可以從醫(yī)案中構(gòu)建豐富的語料庫、知識庫[6]，服務(wù)于中醫(yī)智能化發(fā)展。除顯性知識外，醫(yī)案中還蘊藏了大量隱性知識，這是中醫(yī)傳承中的關(guān)鍵信息，如潛藏于醫(yī)案中的學(xué)術(shù)思想、診斷技巧、用藥偏好，甚至是醫(yī)德醫(yī)風(fēng)和治學(xué)作風(fēng)等，借助人工智能技術(shù)將隱性知識顯性化，這是基于醫(yī)案的“道”“術(shù)”活態(tài)傳承的核心內(nèi)容[7]，也是今后的研究熱點。

此外，中醫(yī)醫(yī)案在當(dāng)前人工智能時代的最大價值乃基于人工智能的臨床輔助決策研究提供重要數(shù)據(jù)來源。醫(yī)案中蘊含豐富的診療思維、診斷方法、診療過程、方證規(guī)律、方藥數(shù)據(jù)等為輔助決策的建模提供了可靠的理論框架與數(shù)據(jù)支撐。如基于醫(yī)案進(jìn)行案例推理的輔助決策研究[8]，基于醫(yī)案構(gòu)建知識圖譜形成以知識驅(qū)動的輔助決策研究[9-10]，基于醫(yī)案結(jié)合大語言模型形成以數(shù)據(jù)驅(qū)動的輔助決策等。中醫(yī)臨床輔助決策是中醫(yī)人工智能研究的核心任務(wù)之一，隨著人工智能技術(shù)的飛速發(fā)展，基于海量醫(yī)案的智能化研究必將中醫(yī)醫(yī)案研究推向新的高度。

中醫(yī)醫(yī)案研究也存在很多困境，醫(yī)案是大量非結(jié)構(gòu)文本，文本結(jié)構(gòu)不規(guī)范，命名實體種類繁多，術(shù)語靈活多變，為抽取醫(yī)案科學(xué)數(shù)據(jù)造成很大障礙。當(dāng)前興起的大語言模型在自然語言處理中表現(xiàn)優(yōu)秀，為中醫(yī)醫(yī)案的命名實體抽取帶來了極大便利，也為中醫(yī)醫(yī)案結(jié)構(gòu)化研究帶來可能。

2 中醫(yī)醫(yī)案格式演變及結(jié)構(gòu)要素分析

2.1 中醫(yī)醫(yī)案格式演變概述

醫(yī)案格式是指醫(yī)案的書寫形式，主要包括醫(yī)案結(jié)構(gòu)和醫(yī)案要素[11]。醫(yī)案結(jié)構(gòu)是醫(yī)案的組織形式，醫(yī)案要素通過一定的組織形式聯(lián)結(jié)形成醫(yī)案。醫(yī)案要素是指構(gòu)成醫(yī)案存在的基本單元，功能屬性相近的要素組合成一個結(jié)構(gòu)，眾多結(jié)構(gòu)聯(lián)結(jié)形成醫(yī)案。溯源醫(yī)案的格式演變，可以更好地分析出醫(yī)案的結(jié)構(gòu)與要素。

《史記·扁鵲倉公列傳》記載了西漢名醫(yī)淳于意的25則“診籍”，這是現(xiàn)存最早而且較為完整的醫(yī)案[12]。診籍中包括了患者姓名、身份、病史、癥狀、脈象、發(fā)病經(jīng)過、診斷、病機(jī)分析、治療、療效和預(yù)后等內(nèi)容，其中2則還有復(fù)診記載[13-14]，這些是最初的醫(yī)案結(jié)構(gòu)與要素。

北宋錢乙的《小兒藥證直訣》載醫(yī)案23則，基本遵循了一定的書寫體例，反映了當(dāng)時醫(yī)案書寫具有相對固定和較為完整的格式。北宋許叔微《傷寒九十論》是我國第一部醫(yī)案專著，該書每個醫(yī)案之后附有按語，這是醫(yī)案結(jié)構(gòu)發(fā)展的一大創(chuàng)新。

明代韓懋在其《韓氏醫(yī)通·六法兼施章》中提出，醫(yī)案書寫應(yīng)“六法兼施”，后來吳崑在《脈語·脈案格式》中提出“七書一引”格式，明末清初喻昌《寓意草》一書專門列出《與門人定議病式》一節(jié)，也提出了較為規(guī)范的醫(yī)案格式?？梢婍n懋、吳崑、喻昌等試圖提出醫(yī)案的規(guī)范格式，基本囊括了古代醫(yī)案所具備的結(jié)構(gòu)與要素。3位醫(yī)家對格式細(xì)目的劃分已經(jīng)體現(xiàn)出現(xiàn)今醫(yī)案研究中知識元的形式，這在醫(yī)案理論研究中具有重要意義。

晚清民國以來，西醫(yī)傳入，一些開明的醫(yī)家主動接受西醫(yī)，并將西醫(yī)病名、西醫(yī)診斷等內(nèi)容納入到醫(yī)案中。1927年何廉臣為編纂《全國名醫(yī)驗案類編》，化繁為簡，提出“新定醫(yī)案程式”：一病者，二病名，三原因，四證候，五診斷，六療法，七處方，八效果[15]，其中已經(jīng)收錄了西醫(yī)病名。張錫純《醫(yī)學(xué)衷中參西錄》中的醫(yī)案中已經(jīng)記錄了西醫(yī)診斷。

建國后，以醫(yī)院為核心的診療模式促進(jìn)了傳統(tǒng)醫(yī)案的功能逐漸轉(zhuǎn)變?yōu)獒t(yī)案和病歷（或病案）2種形式并行，二者在形式上相似，但又有區(qū)別。病歷常具有法律效力，醫(yī)案側(cè)重呈現(xiàn)辨證思路，常有按語點評，具有重要學(xué)術(shù)價值。從信息學(xué)角度來看，病歷是臨床記錄的資料，屬于數(shù)據(jù)范疇，而醫(yī)案是診療記錄的升華，具有知識的特點[16]。

2.2 中醫(yī)醫(yī)案結(jié)構(gòu)要素分析

從醫(yī)案的格式源流來看，醫(yī)案的結(jié)構(gòu)與要素是在發(fā)展的長河中逐步豐富與完善起來。歷代醫(yī)家也試圖為醫(yī)案統(tǒng)一格式做出努力，但由于醫(yī)家所處時代環(huán)境、學(xué)識修養(yǎng)、個人偏好、書寫用途等各異，迄今為止，醫(yī)案的格式、內(nèi)容、體裁、風(fēng)格等仍有較大差異。這在客觀上造成了醫(yī)案文本的不規(guī)范與不標(biāo)準(zhǔn)，這也是醫(yī)案現(xiàn)代化研究的最大障礙。盡管如此，在靈活多變的格式和內(nèi)容中，醫(yī)案仍具有相對穩(wěn)定的結(jié)構(gòu)與要素，這由醫(yī)案本身的功能屬性所決定。

醫(yī)案的主要功能是記錄臨床診療思維過程，總結(jié)分析得失，因此，醫(yī)案的基本結(jié)構(gòu)與要素應(yīng)包括患者情況、疾病情況、治療情況、診次、療效等內(nèi)容。經(jīng)過深入分析古今醫(yī)案的格式演變，并結(jié)合當(dāng)前大量主流醫(yī)案的結(jié)構(gòu)，本研究認(rèn)為標(biāo)準(zhǔn)、完整的醫(yī)案應(yīng)該具備8個結(jié)構(gòu)：患者基本信息、病史、診次、疾病表現(xiàn)、診斷分析、治療方案、結(jié)局轉(zhuǎn)歸、按語點評。各個結(jié)構(gòu)部分是由功能屬性相近的要素組成，如疾病表現(xiàn)應(yīng)包括：癥狀體征、舌象、脈象、理化檢查等要素。見表1。

表1 中醫(yī)醫(yī)案結(jié)構(gòu)與要素

3 基于大語言模型的中醫(yī)醫(yī)案命名實體抽取

3.1 中醫(yī)醫(yī)案信息模型構(gòu)建

下游任務(wù)主要通過提示詞與大語言模型對話進(jìn)行醫(yī)案實體抽取，需要在醫(yī)案結(jié)構(gòu)與要素分析的基礎(chǔ)上構(gòu)建醫(yī)案的信息模型，進(jìn)而研制出符合大語言模型對話邏輯的提示詞。根據(jù)醫(yī)案中的診次信息，可將醫(yī)案分為單診次醫(yī)案和多診次醫(yī)案。單診次醫(yī)案只記錄1個診次信息，信息模型相對簡單；多診次醫(yī)案至少包含2個診次，隨著診次的增多醫(yī)案結(jié)構(gòu)復(fù)雜程度也相應(yīng)增加，信息模型也變得復(fù)雜，多診次信息模型是在單診次基礎(chǔ)上重點體現(xiàn)出多診次的結(jié)構(gòu)特點。中醫(yī)醫(yī)案單診次、多診次信息模型見圖1、圖2。

圖1 中醫(yī)醫(yī)案單診次信息模型

圖2 中醫(yī)醫(yī)案多診次信息模型

3.2 醫(yī)案實體抽取提示詞設(shè)計

根據(jù)上文構(gòu)建的醫(yī)案信息模型，分別設(shè)計單診次、多診次2套對話提示詞，經(jīng)過多個大語言模型和反復(fù)對話測試，最終確定了適合各自任務(wù)的提示詞。提示詞主要包括執(zhí)行任務(wù)說明、任務(wù)輸出格式舉例，用括號對提示詞進(jìn)行補充等。單診次、多診次實體抽取提示詞見圖3、圖4。

圖3 中醫(yī)醫(yī)案命名單診次實體抽取提示詞

圖4 中醫(yī)醫(yī)案命名多診次實體抽取提示詞

3.3 調(diào)用大語言模型API進(jìn)行醫(yī)案實體抽取

醫(yī)案實體抽取前，分別測試了當(dāng)前幾款主流大語言模型，如ChatGPT3.5、ERNIE-Bot 4.0（文心一言4.0）、ChatGLM2-6B（智譜清言）、Spark Desk（訊飛星火）、Baichuan2-13B（百川大模型）、Llama2-70B，結(jié)果顯示：Llama2-70B無法很好理解提示詞，最終影響結(jié)果輸出；訊飛星火處理單診次表現(xiàn)良好，但無法很好執(zhí)行多診次抽取任務(wù)；智譜清言和百川大模型處理單診次表現(xiàn)良好，對于多診次任務(wù)處理很不穩(wěn)定，有些多診次抽取良好，有些無法處理；文心一言4.0和ChatGPT3.5在分別在單診次、多診次醫(yī)案實體抽取中表現(xiàn)優(yōu)秀（以上測試結(jié)果截至2023年12月31日）?？紤]到醫(yī)療數(shù)據(jù)安全等因素，最終選擇調(diào)用文心一言API進(jìn)行醫(yī)案批量化實體抽取。

抽取前，首先對所收集的醫(yī)案PDF文件進(jìn)行OCR處理，對于OCR出現(xiàn)的文字錯誤進(jìn)行改正，對于排版錯亂、書口（或天頭、地腳）與正文無關(guān)文字的竄入進(jìn)行排版和刪除，校對無誤后存為Word文檔；其次，根據(jù)醫(yī)案中出現(xiàn)的復(fù)診、二診、第二診、再診等能體現(xiàn)出多診次信息將醫(yī)案分別區(qū)分為單診次、多診次醫(yī)案；最后為了批量化處理中機(jī)器能夠識別出每份醫(yī)案的界限，將每份醫(yī)案之間使用隔離符分隔。

抽取時將提示詞編入代碼，調(diào)用文心一言API進(jìn)行自動、批量化抽取。抽取后的醫(yī)案實體輸出為TXT文件，為保證抽取質(zhì)量，將抽取結(jié)果與原文進(jìn)行人工校對，抽取遺漏的內(nèi)容則補充，過度抽取則刪除，大語言模型自行補充的內(nèi)容也刪除，確認(rèn)無誤后保存。

大語言模型抽取單診次醫(yī)案實體結(jié)果示例如下：

姓名：項某某

性別：女

年齡：47歲

職業(yè)：未提及

住址：未提及

癥狀體征：胃脘疼痛，每遇寒或飲冷而發(fā)，發(fā)則疼痛牽及背部，綿綿不已，甚或吐酸泛漾，大便溏泄

舌象：苔白

脈象：脈遲

理化檢查：未提及

中醫(yī)病名：胃脘痛

西醫(yī)病名：未提及

病機(jī)：寒邪內(nèi)侵，胃陽不足

證型：脾胃虛寒證

治則治法：溫中散寒，止痛和胃，扶脾止泄

方劑名稱：烏頭赤石脂丸

加味藥物（含劑量）：制川烏9 g，炒白術(shù)15 g，川椒9 g，高良姜9 g，干姜12 g，制附子9 g，炙甘草9 g，黨參15 g，煅瓦楞子30 g，赤石脂30 g

煎服方法：上藥各研細(xì)末，和勻再研極細(xì)。每日服2次，每次1.5 g開水吞服

其他治法：曾溫灸中脘而得緩解

禁忌：未提及

結(jié)局轉(zhuǎn)歸：服藥后胃痛明顯減輕，少發(fā)，大便亦成形，后再續(xù)服1料而痊愈

既往史：未提及

現(xiàn)病史：胃脘疼痛，每遇寒或飲冷而發(fā)，發(fā)則疼痛牽及背部，綿綿不已，甚或吐酸泛漾，大便溏泄。曾溫灸中脘而得緩解

按語點評（醫(yī)案中的原文）：《金匱要略》謂：“心痛徹背，背痛徹心，烏頭赤石脂丸主之?！北痉揭栽撏杓訁?、術(shù)、甘草、瓦楞子以溫中、散寒、止痛、和胃、扶脾、止泄。煅瓦楞子治脘痛泛酸頗有功效。本例丸方，經(jīng)隨訪，服藥后胃痛明顯減輕，少發(fā)，大便亦成形，后再續(xù)服1料而痊愈

大語言模型抽取多診次醫(yī)案實體結(jié)果示例如下：

姓名：康某

性別：男

年齡：65歲

職業(yè)：未提及

住址：未提及

診次：初診

癥狀體征：胃脘痛，每于夜間饑餓時痛劇，不能入睡，吞酸灼熱，手足心熱，便秘

舌象：舌尖赤苔白少津

脈象：脈滑

理化檢查：經(jīng)某醫(yī)院X線透視及內(nèi)鏡檢查診斷為十二指腸球部潰瘍

中醫(yī)病名：胃痛

西醫(yī)病名：十二指腸潰瘍

病機(jī)：胃腑實熱

證型：未提及

治則治法：通腑泄熱

方劑名稱：小承氣湯

藥物（含劑量）：大黃15 g，厚樸15 g，枳實15 g，黃芩15 g，黃連10 g，吳茱萸5 g

煎服方法：水煎，日1劑，分2次服

其他治法：未提及

禁忌：未提及

診次：二診

癥狀體征：大便通、日行1次、稍稀，胃脘未痛，吞酸灼熱大減

舌象：未提及

脈象：未提及

理化檢查：未提及

中醫(yī)病名：胃痛

西醫(yī)病名：十二指腸潰瘍

病機(jī)：胃腑實熱（同初診）

證型：未提及

治則治法：繼續(xù)通腑泄熱

方劑名稱：小承氣湯（同初診）

藥物（含劑量）：大黃7.5 g，厚樸15 g，枳實15 g，黃芩15 g，黃連10 g，吳茱萸5g

煎服方法：水煎，日1劑，分2次服（同初診）

其他治法：未提及

禁忌：未提及

診次：三診

癥狀體征：大便暢通、日行1次，諸癥消失

舌象：未提及

脈象：未提及

理化檢查：X線復(fù)查潰瘍消失大半

中醫(yī)病名：胃痛

西醫(yī)病名：十二指腸潰瘍

病機(jī)：胃腑實熱（同初診）

證型：未提及

治則治法：未提及

方劑名稱：未提及

藥物（含劑量）：未提及

煎服方法：未提及

其他治法：未提及

禁忌：未提及

結(jié)局轉(zhuǎn)歸：后經(jīng)X線復(fù)查潰瘍消失大半，半年后復(fù)檢已全部消除而愈

既往史：未提及

現(xiàn)病史：未提及

按語點評（醫(yī)案中的原文）：本案辨證當(dāng)屬中醫(yī)“胃痛”一證?；颊弑憩F(xiàn)為吞酸灼熱、手足心熱便秘、脈滑、舌尖赤苔白少津等一派熱象，可知屬胃腑實熱，一般喜用制酸之劑乃治標(biāo)之方，非治本之圖也。必須用大黃以瀉熱，方用小承氣湯瀉熱通便，為有的放矢之舉，故奏效甚速。治療此類疾病張琪教授常用小承氣湯，或半夏瀉心湯加大黃下奪其熱，熱除則痛止

本研究最終以Excel2021文件作為醫(yī)案實體數(shù)據(jù)集的儲存形式。數(shù)據(jù)集構(gòu)建時，將TXT文件中的半結(jié)構(gòu)化的實體信息通過代碼自動化轉(zhuǎn)換為Excel文件，主要檢查是否存在串行或遺漏，審核無誤后保存，以供后續(xù)深入研究。

4 基于大語言模型的中醫(yī)醫(yī)案文本結(jié)構(gòu)化工具開發(fā)與應(yīng)用

以上實體抽取過程涉及大量編程工作，為便于醫(yī)學(xué)相關(guān)研究人員掌握大語言模型對醫(yī)案的實體抽取，本研究基于以上操作流程，設(shè)計和開發(fā)了基于大語言模型的中醫(yī)醫(yī)案文本結(jié)構(gòu)化工具，見圖5。

圖5 基于大語言模型的中醫(yī)醫(yī)案文本結(jié)構(gòu)化工具

目前該工具1.0版本分為登錄及用戶管理模塊、大語言模型常用配置模塊、任務(wù)管理模塊和項目管理模塊。登錄及用戶管理模塊主要用于用戶的系統(tǒng)登錄、用戶管理、密碼修改、安全配置、退出登錄等功能；大語言模型常用配置模塊主要實現(xiàn)根據(jù)抽取任務(wù)的不同配置不同的提示詞，擇優(yōu)調(diào)用大語言模型API，及API的分配與管理；任務(wù)管理模塊用于醫(yī)案實體抽取過程的執(zhí)行與管理，主要實現(xiàn)抽取任務(wù)的新建、待結(jié)構(gòu)化文本的上傳、抽取任務(wù)的執(zhí)行、抽取結(jié)果的校正、結(jié)構(gòu)化文本的輸出（TXT文本和Excel文件可供選擇）等功能；項目管理模塊主要實現(xiàn)對多人參與的結(jié)構(gòu)化文本任務(wù)進(jìn)行管理，由負(fù)責(zé)人建立項目，分配給子管理人員進(jìn)行各自任務(wù)管理與處理，子管理人員還可再分配給下級人員進(jìn)行任務(wù)處理。

該工具為中醫(yī)醫(yī)案相關(guān)研究人員實現(xiàn)了基于大語言模型中醫(yī)醫(yī)案命名實體的自動化抽取，降低了非計算機(jī)人員調(diào)用大語言模型接口的門檻，加快了醫(yī)案結(jié)構(gòu)化處理的過程。該工具還可根據(jù)醫(yī)案文本特點、提取實體的種類與特點，選擇適用的大語言模型和提示詞，靈活服務(wù)于醫(yī)案結(jié)構(gòu)化處理。

5 結(jié)語

本研究在回顧中醫(yī)醫(yī)案格式演變過程、分析醫(yī)案結(jié)構(gòu)要素、構(gòu)建醫(yī)案信息模型的基礎(chǔ)上，設(shè)計了基于大語言模型醫(yī)案實體抽取的提示詞，成功探索出基于大語言模型的醫(yī)案命名實體的自動化抽取過程，最終開發(fā)出醫(yī)案文本的結(jié)構(gòu)化工具，為中醫(yī)醫(yī)案結(jié)構(gòu)化研究、大規(guī)模中醫(yī)醫(yī)案科學(xué)數(shù)據(jù)的抽取探索了可行路徑，為基于中醫(yī)醫(yī)案的人工智能研究奠定數(shù)據(jù)基礎(chǔ)。