Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.
医疗模板
医疗文本分析和提取。
概述
医疗模板专为从医疗文本中提取临床信息而设计。
免责声明:这些模板仅用于研究和分析目的。未经专业审查不得用于临床决策。
模板
anatomy_graph
类型:graph
用途:提取解剖结构和关系
最适合:
- 解剖学教科书
- 手术报告
- 医学教育材料
实体:
- 身体部位
- 器官
- 系统
- 结构
关系:
part_of— 解剖层次connected_to— 结构连接supplies— 血液/神经供应
=== "CLI"
```bash
he parse anatomy.md -t medicine/anatomy_graph -l zh
```
=== "Python"
```python
ka = Template.create("medicine/anatomy_graph", "zh")
result = ka.parse(anatomy_text)
print(f"结构数: {len(result.nodes)}")
print(f"关系数: {len(result.edges)}")
# 构建索引用于交互式探索
result.build_index()
result.show()
```
discharge_instruction
类型:model
用途:提取出院摘要信息
最适合:
- 出院摘要
- 转院记录
- 就诊后总结
字段:
| 字段 | 类型 | 描述 |
|---|---|---|
diagnosis |
str | 主要诊断 |
procedures |
list[str] | 执行的程序 |
medications |
list[str] | 处方药物 |
follow_up |
str | 随访指导 |
warnings |
list[str] | 警告信号 |
=== "CLI"
```bash
he parse discharge.md -t medicine/discharge_instruction -l zh
```
=== "Python"
```python
ka = Template.create("medicine/discharge_instruction", "zh")
summary = ka.parse(discharge_text)
print(f"诊断: {summary.data.diagnosis}")
print(f"随访: {summary.data.follow_up}")
```
drug_interaction
类型:graph
用途:提取药物相互作用和关系
最适合:
- 药物数据库
- 药房参考
- 药物重整
实体:
- 药物
- 药物类别
- 作用
关系:
interacts_with— 药物相互作用contraindicated_with— 禁忌synergizes_with— 协同作用
=== "CLI"
```bash
he parse drug_ref.md -t medicine/drug_interaction -l zh
```
=== "Python"
```python
ka = Template.create("medicine/drug_interaction", "zh")
result = ka.parse(drug_text)
print(f"药物数: {len(result.nodes)}")
for relation in result.edges:
print(f"{relation.source} {relation.type} {relation.target}")
```
hospital_timeline
类型:temporal_graph
用途:提取住院时间线
最适合:
- 住院病程记录
- 病程记录
- 转院摘要
特性:
- 入院/出院日期
- 程序和事件
- 时间线可视化
=== "CLI"
```bash
he parse hospital_notes.md -t medicine/hospital_timeline -l zh
```
=== "Python"
```python
ka = Template.create("medicine/hospital_timeline", "zh")
result = ka.parse(notes_text)
print(f"事件数: {len(result.nodes)}")
for edge in result.edges:
if hasattr(edge, 'time'):
print(f" {edge.time}: {edge.source} -> {edge.target}")
# 可视化时间线
result.build_index()
result.show()
```
treatment_map
类型:graph
用途:提取治疗方案和路径
最适合:
- 治疗指南
- 护理路径
- 方案文档
=== "CLI"
```bash
he parse protocol.md -t medicine/treatment_map -l zh
```
=== "Python"
```python
ka = Template.create("medicine/treatment_map", "zh")
result = ka.parse(protocol_text)
print(f"步骤数: {len(result.nodes)}")
print(f"流程关系: {len(result.edges)}")
# 可视化治疗路径
result.build_index()
result.show()
```
用例
出院摘要分析
from hyperextract import Template
ka = Template.create("medicine/discharge_instruction", "zh")
discharges = []
for file in discharge_files:
summary = ka.parse(file.read_text())
discharges.append(summary.data)
# 分析常见诊断
from collections import Counter
diagnoses = Counter(d.diagnosis for d in discharges)
print(diagnoses.most_common(10))
药物相互作用网络
ka = Template.create("medicine/drug_interaction", "zh")
network = ka.parse(drug_database)
# 查找特定药物的相互作用
drug = "华法林"
interactions = [
r for r in network.data.relations
if r.source == drug or r.target == drug
]
for i in interactions:
print(f"{i.source} {i.type} {i.target}")
解剖学教育
ka = Template.create("medicine/anatomy_graph", "zh")
anatomy = ka.parse(textbook_chapter)
# 构建索引以支持交互式可视化
anatomy.build_index()
# 可视化(支持搜索/对话功能)
anatomy.show()
# 搜索
results = anatomy.search("手部神经")
提示
- discharge_instruction 用于摘要 — 快速提取关键出院信息
- drug_interaction 用于安全 — 构建相互作用检查工具
- anatomy_graph 用于教育 — 创建交互式解剖图
- hospital_timeline 用于病程 — 跟踪患者就诊过程
数据隐私
处理医疗数据时:
- 确保符合 HIPAA 要求
- 处理前对数据进行去标识化
- 使用安全环境
- 遵守机构政策