Skip to content

Hypergraph is more powerful. Transform unstructured text into structured knowledge with LLMs. Graphs, hypergraphs, and spatio-temporal extractions — with one command.

5.2 KB
Raw Blame

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

  1. discharge_instruction 用于摘要 — 快速提取关键出院信息
  2. drug_interaction 用于安全 — 构建相互作用检查工具
  3. anatomy_graph 用于教育 — 创建交互式解剖图
  4. 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

参见