基于生成式大语言模型的病历内涵质控智能助手的构建与应用

摘要

目的 针对传统病历质控工具依赖规则引擎、检错率低、语义理解不足等问题，探索生成式大语言模型在病历内涵质控中的应用价值。方法 基于Qwen2.5-32B-Instruct生成式大语言模型，通过LoRA高效微调技术和Chain of Thought方法构建病历内涵质控助手，集成智能感知、实时反馈和提示词优化功能，覆盖主诉一致性、诊断依据充分性等核心质控任务；通过实际应用并观察其运行效果，评估该助手的有效性。结果 病历内涵质控助手上线前后3个月数据统计显示，质控条数提升24.6%,病历质控申诉率较未上线前降低53.9%,误报率降低62.6%。结论 Qwen2.5-32B-Instruct生成式大语言模型能显著提升病历内涵质控的准确性和效率，为医疗质量改进提供智能化支持。

关键词

生成式大语言模型 / 病历内涵质控 / 智能医疗 / LoRA微调 / 语义推理

基金资助

四川省2025年重点产业链科技攻关项目(No.2025YFRG0004)