![[开源] 交班信息一致性校验系统：面向临床医护的实时语义冲突检测与结构化摘要生成](images/news1.jpg)
本项目是专为国内医院交班场景设计的电子病历EMR辅助工具解决护士与医生在护理记录和病程记录中同步填写、异步理解、隐性冲突这一长期存在的质控盲区。我们不替代人工判断而是把“同一时间窗内两条记录是否说同一件事”这件事拆解成可对齐、可比对、可确认的三步动作先按时间粒度自动归集数据再用规则大模型双轨检测数值与语义矛盾最后输出符合国内交班习惯的「清单确认」式摘要。核心交付形态包括命令行彩色报告CLI、本地 HTML 可视化看板以及可嵌入院内系统的 Python 接口层技术栈以 Python 3.10 为后端中枢LLM 调用走 OpenAI API支持无密钥降级为纯规则模式前端 CLI 用 TypeScript 封装可视化看板完全静态免服务部署。定位与能力范围我们不做全量病历分析也不覆盖出院评估或手术安全核查等跨环节流程。本项目的边界非常明确只处理单患者、单班次、护理记录与病程记录两类文本之间的即时一致性验证。所谓“单班次”指由--shift-start与--shift-end明确界定的时间窗口如 08:00–20:00系统会在此范围内拉取所有已归档的护理记录条目和病程记录段落并完成三项基础对齐时间戳对齐将不同系统录入、不同格式书写的时间字段如 “2024-01-15T08:12” 或 “1月15日 08:12”统一解析为标准 datetime 对象患者身份对齐依赖传入的--patient-id作为唯一锚点不尝试跨 ID 关联或模糊匹配记录类型对齐严格区分“护理记录”nursing note与“病程记录”progress note不混入医嘱、检验报告或会诊记录。超出该范围的需求比如多患者批量扫描、历史趋势回溯、与 LIS/PACS 系统直连不在当前设计目标内。我们相信把一个高发、高频、高风险的小切口做深比摊薄资源做泛更有临床价值。核心功能系统围绕交班场景的三个刚性动作构建能力闭环发现冲突、解释冲突、固化交接。每一项都对应具体可配置、可复现、可审计的行为。功能模块实现方式面向角色输出示例时间窗口对齐基于患者 ID 和时间范围从模拟或真实数据源提取护理/病程记录片段护士长、质控员日志显示“共匹配护理记录 7 条、病程记录 3 条时间交集覆盖率 92%”数值冲突检测规则引擎扫描血压、体温、心率、呼吸、血氧等字段对比config/vital_ranges.yaml中定义的正常区间当班护士、值班医生报告中标红“体温 39.2℃护理记录 vs 37.8℃病程记录差值 1.0℃”语义冲突检测LLMOpenAI根据config/semantic_prompts.yaml提示词判断两段文字是否存在逻辑矛盾如“神志清楚” vs “嗜睡状态”医护共同确认环节清单条目“护理记录称‘患者主诉腹痛’病程记录未提及腹痛且诊断为‘上呼吸道感染’”结构化摘要生成按「患者基本信息—当班关键事件—待跟进事项」三级组织内容支持--format summary输出交班双方、实习医师文本块含标题“【需床边确认】右侧肢体活动障碍加重建议神经科会诊”多端输出CLI 支持 color/json/summary 三种格式HTML 看板提供折叠面板、冲突跳转、导出按钮不同使用习惯的用户彩色 CLI 中数值冲突标红、语义冲突标黄HTML 页面左侧为原始记录对照右侧为冲突清单使用与配置所有配置均通过文件驱动不修改代码即可适配不同医院术语习惯。我们提供两套关键配置入口生命体征阈值编辑config/vital_ranges.yaml支持按年龄分组如成人/儿童、按指标单独设上下限。例如temperature:adult:min: 36.0max: 37.2child:min: 36.4max: 37.5语义检测提示词config/semantic_prompts.yaml中定义 LLM 的任务指令、输入格式与输出约束。默认 prompt 明确要求模型仅返回“存在冲突”或“无冲突”并附一句简明理由禁用自由发挥。运行时无需启动服务进程全部为单次命令执行。两种主流调用路径如下python -m src.cli.cli --patient-id P001 --shift-start 2024-01-15 08:00 --shift-end 2024-01-15 20:00 --format colorcd ts-cli npm run detect -- --patient-id P001 --shift 2024-01-15两者输出一致区别在于Python CLI 更适合集成进院内自动化脚本TS CLI 提供更友好的错误提示与参数补全适合日常手动抽检。工程结构目录设计遵循职责分离原则各模块边界清晰便于医院信息科二次开发或对接本地 EMR目录路径职责说明扩展建议src/adapters/数据接入层负责从 CSV、JSON 或模拟数据中读取护理/病程记录可新增emr_his_adapter.py对接院内 HIS 接口src/alignment/时间窗口对齐引擎含时间解析、重采样、去重逻辑如需支持 ICU 秒级记录可在此增强时间粒度控制src/conflict/冲突检测主干含rule_based.py与llm_based.py两个并行实现若需替换 LLM只需改写llm_based.py中的请求封装src/summary/摘要模板引擎使用 Jinja2 渲染结构化文本可按科室定制模板如儿科增加“喂养情况”子项ts-cli/独立 Node.js 包封装 CLI 交互与参数校验支持添加npm run login实现院内账号鉴权web-dashboard/静态 HTMLJS所有逻辑在浏览器端运行不依赖后端服务可通过script srcdata.json加载本地导出数据测试覆盖完整链路tests/下包含单元测试如时间解析函数、集成测试端到端跑通 mock 数据流、性能测试benchmarks/测量千条记录处理耗时。环境与运行系统对运行环境要求明确且宽松不依赖 GPU 或专用服务器组件最低版本说明Python3.10用于核心数据处理与 LLM 调用Node.js18仅用于 TS CLI 构建与执行不影响 Python 主流程OpenAI API Key无强制要求启用--mock即可跳过全部使用规则引擎安装仅需三步无编译步骤pip install -r requirements.txt cd ts-cli npm install cd .. cp .env.example .env首次运行推荐用--mock参数验证环境python -m src.cli.cli --patient-id P001 --shift-start 2024-01-15 08:00 --shift-end 2024-01-15 20:00 --mock --format color成功后将看到带颜色标记的冲突报告与结构化摘要日志自动生成于logs/目录下方便回溯执行过程。数据与扩展我们不预设任何院内数据库结构所有输入数据均通过扁平化字段映射。示例数据位于examples/含标准字段说明必填字段patient_id,record_typenursing / progress,timestamp,content推荐字段author_role护士/主治/住院医、vital_signs结构化 JSON含temperature,bp_systolic等若医院已有标准化 EMR 导出功能只需编写一个适配器将导出文件字段映射到上述 schema 即可接入。所有字段映射规则、时间格式正则、术语同义词表均集中管理在src/adapters/下不散落在业务逻辑中。限制与说明本系统不是黑盒 AI 判官而是透明化协作工具。我们明确声明以下限制LLM 仅用于语义层面的二分类判断冲突/不冲突不生成诊疗建议所有数值检测基于预设阈值不学习历史数据分布不存储用户数据CLI 与 HTML 看板均为本地执行敏感信息不出设备时间窗口必须闭合且非空不支持跨日模糊匹配如“夜班”需显式指定 20:00–08:00。常见问题已在文档中结构化归因。例如“冲突检测结果为空”根本原因只有三类时间无交集、患者 ID 无匹配记录、或两条记录内容完全一致我们用--verbose日志逐层展开判断依据而非笼统报错。项目地址https://github.com/nexorin9/emr-shift-conflict-detector
[开源] 交班信息一致性校验系统：面向临床医护的实时语义冲突检测与结构化摘要生成
本项目是专为国内医院交班场景设计的电子病历EMR辅助工具解决护士与医生在护理记录和病程记录中同步填写、异步理解、隐性冲突这一长期存在的质控盲区。我们不替代人工判断而是把“同一时间窗内两条记录是否说同一件事”这件事拆解成可对齐、可比对、可确认的三步动作先按时间粒度自动归集数据再用规则大模型双轨检测数值与语义矛盾最后输出符合国内交班习惯的「清单确认」式摘要。核心交付形态包括命令行彩色报告CLI、本地 HTML 可视化看板以及可嵌入院内系统的 Python 接口层技术栈以 Python 3.10 为后端中枢LLM 调用走 OpenAI API支持无密钥降级为纯规则模式前端 CLI 用 TypeScript 封装可视化看板完全静态免服务部署。定位与能力范围我们不做全量病历分析也不覆盖出院评估或手术安全核查等跨环节流程。本项目的边界非常明确只处理单患者、单班次、护理记录与病程记录两类文本之间的即时一致性验证。所谓“单班次”指由--shift-start与--shift-end明确界定的时间窗口如 08:00–20:00系统会在此范围内拉取所有已归档的护理记录条目和病程记录段落并完成三项基础对齐时间戳对齐将不同系统录入、不同格式书写的时间字段如 “2024-01-15T08:12” 或 “1月15日 08:12”统一解析为标准 datetime 对象患者身份对齐依赖传入的--patient-id作为唯一锚点不尝试跨 ID 关联或模糊匹配记录类型对齐严格区分“护理记录”nursing note与“病程记录”progress note不混入医嘱、检验报告或会诊记录。超出该范围的需求比如多患者批量扫描、历史趋势回溯、与 LIS/PACS 系统直连不在当前设计目标内。我们相信把一个高发、高频、高风险的小切口做深比摊薄资源做泛更有临床价值。核心功能系统围绕交班场景的三个刚性动作构建能力闭环发现冲突、解释冲突、固化交接。每一项都对应具体可配置、可复现、可审计的行为。功能模块实现方式面向角色输出示例时间窗口对齐基于患者 ID 和时间范围从模拟或真实数据源提取护理/病程记录片段护士长、质控员日志显示“共匹配护理记录 7 条、病程记录 3 条时间交集覆盖率 92%”数值冲突检测规则引擎扫描血压、体温、心率、呼吸、血氧等字段对比config/vital_ranges.yaml中定义的正常区间当班护士、值班医生报告中标红“体温 39.2℃护理记录 vs 37.8℃病程记录差值 1.0℃”语义冲突检测LLMOpenAI根据config/semantic_prompts.yaml提示词判断两段文字是否存在逻辑矛盾如“神志清楚” vs “嗜睡状态”医护共同确认环节清单条目“护理记录称‘患者主诉腹痛’病程记录未提及腹痛且诊断为‘上呼吸道感染’”结构化摘要生成按「患者基本信息—当班关键事件—待跟进事项」三级组织内容支持--format summary输出交班双方、实习医师文本块含标题“【需床边确认】右侧肢体活动障碍加重建议神经科会诊”多端输出CLI 支持 color/json/summary 三种格式HTML 看板提供折叠面板、冲突跳转、导出按钮不同使用习惯的用户彩色 CLI 中数值冲突标红、语义冲突标黄HTML 页面左侧为原始记录对照右侧为冲突清单使用与配置所有配置均通过文件驱动不修改代码即可适配不同医院术语习惯。我们提供两套关键配置入口生命体征阈值编辑config/vital_ranges.yaml支持按年龄分组如成人/儿童、按指标单独设上下限。例如temperature:adult:min: 36.0max: 37.2child:min: 36.4max: 37.5语义检测提示词config/semantic_prompts.yaml中定义 LLM 的任务指令、输入格式与输出约束。默认 prompt 明确要求模型仅返回“存在冲突”或“无冲突”并附一句简明理由禁用自由发挥。运行时无需启动服务进程全部为单次命令执行。两种主流调用路径如下python -m src.cli.cli --patient-id P001 --shift-start 2024-01-15 08:00 --shift-end 2024-01-15 20:00 --format colorcd ts-cli npm run detect -- --patient-id P001 --shift 2024-01-15两者输出一致区别在于Python CLI 更适合集成进院内自动化脚本TS CLI 提供更友好的错误提示与参数补全适合日常手动抽检。工程结构目录设计遵循职责分离原则各模块边界清晰便于医院信息科二次开发或对接本地 EMR目录路径职责说明扩展建议src/adapters/数据接入层负责从 CSV、JSON 或模拟数据中读取护理/病程记录可新增emr_his_adapter.py对接院内 HIS 接口src/alignment/时间窗口对齐引擎含时间解析、重采样、去重逻辑如需支持 ICU 秒级记录可在此增强时间粒度控制src/conflict/冲突检测主干含rule_based.py与llm_based.py两个并行实现若需替换 LLM只需改写llm_based.py中的请求封装src/summary/摘要模板引擎使用 Jinja2 渲染结构化文本可按科室定制模板如儿科增加“喂养情况”子项ts-cli/独立 Node.js 包封装 CLI 交互与参数校验支持添加npm run login实现院内账号鉴权web-dashboard/静态 HTMLJS所有逻辑在浏览器端运行不依赖后端服务可通过script srcdata.json加载本地导出数据测试覆盖完整链路tests/下包含单元测试如时间解析函数、集成测试端到端跑通 mock 数据流、性能测试benchmarks/测量千条记录处理耗时。环境与运行系统对运行环境要求明确且宽松不依赖 GPU 或专用服务器组件最低版本说明Python3.10用于核心数据处理与 LLM 调用Node.js18仅用于 TS CLI 构建与执行不影响 Python 主流程OpenAI API Key无强制要求启用--mock即可跳过全部使用规则引擎安装仅需三步无编译步骤pip install -r requirements.txt cd ts-cli npm install cd .. cp .env.example .env首次运行推荐用--mock参数验证环境python -m src.cli.cli --patient-id P001 --shift-start 2024-01-15 08:00 --shift-end 2024-01-15 20:00 --mock --format color成功后将看到带颜色标记的冲突报告与结构化摘要日志自动生成于logs/目录下方便回溯执行过程。数据与扩展我们不预设任何院内数据库结构所有输入数据均通过扁平化字段映射。示例数据位于examples/含标准字段说明必填字段patient_id,record_typenursing / progress,timestamp,content推荐字段author_role护士/主治/住院医、vital_signs结构化 JSON含temperature,bp_systolic等若医院已有标准化 EMR 导出功能只需编写一个适配器将导出文件字段映射到上述 schema 即可接入。所有字段映射规则、时间格式正则、术语同义词表均集中管理在src/adapters/下不散落在业务逻辑中。限制与说明本系统不是黑盒 AI 判官而是透明化协作工具。我们明确声明以下限制LLM 仅用于语义层面的二分类判断冲突/不冲突不生成诊疗建议所有数值检测基于预设阈值不学习历史数据分布不存储用户数据CLI 与 HTML 看板均为本地执行敏感信息不出设备时间窗口必须闭合且非空不支持跨日模糊匹配如“夜班”需显式指定 20:00–08:00。常见问题已在文档中结构化归因。例如“冲突检测结果为空”根本原因只有三类时间无交集、患者 ID 无匹配记录、或两条记录内容完全一致我们用--verbose日志逐层展开判断依据而非笼统报错。项目地址https://github.com/nexorin9/emr-shift-conflict-detector
