医疗 NLP 实战：从电子病历分析到智能问答

3. 智能问答

智能问答系统能回答用户关于疾病、用药及健康咨询的问题。基于抽取式问答模型（Question Answering），我们可以从给定的上下文中定位答案片段。

from transformers import BertTokenizer, BertForQuestionAnswering
import torch

def answer_medical_question(question, context, model_name='emilyalsentzer/Bio_ClinicalBERT', max_length=512):
    tokenizer = BertTokenizer.from_pretrained(model_name)
    model = BertForQuestionAnswering.from_pretrained(model_name)
    
    # encode_plus 会自动处理 question 和 context 的拼接
    inputs = tokenizer.encode_plus(
        question, 
        context, 
        add_special_tokens=True, 
        return_tensors='pt', 
        max_length=max_length, 
        truncation=True, 
        padding='max_length'
    )
    
    outputs = model(**inputs)
    answer_start = torch.argmax(outputs.start_logits)
    answer_end = torch.argmax(outputs.end_logits) + 1
    
    answer = tokenizer.convert_tokens_to_string(
        tokenizer.convert_ids_to_tokens(inputs['input_ids'][0][answer_start:answer_end])
    )
    return answer

二、关键技术细节

1. 文本预处理

医疗文本包含大量专业术语、缩写（如 MRI、CT）和符号。直接输入模型往往效果不佳，需要预处理。

import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
import spacy

def preprocess_medical_text(text):
    # 加载 spaCy 英文医疗模型
    nlp = spacy.load("en_core_web_sm")
    
    # 分词并去除停用词
    tokens = word_tokenize(text)
    stop_words = set(stopwords.words('english'))
    tokens = [token for token in tokens if token.lower() not in stop_words and token.isalpha()]
    
    # 实体识别：提取疾病、症状、药物等
    doc = nlp(text)
    entities = [ent.text for ent in doc.ents if ent.label_ in ['DISEASE', 'SYMPTOM', 'MEDICATION', 'TREATMENT']]
    
    return tokens, entities

2. 模型训练与优化

在医疗场景下，数据质量至关重要。确保数据的准确性和隐私合规是前提。选择适合领域的模型（如 BioBERT）通常比通用模型效果更好。超参数调优和评估指标（如 F1-score）的选择也需要结合具体业务场景。

三、前沿模型应用

1. BERT 系列

BERT 及其变体（如 BioBERT）在医疗文本理解上表现优异，适用于分类、抽取和问答任务。

2. GPT 系列

生成式模型如 GPT-3 可用于病历摘要生成或辅助诊断报告撰写。调用 API 时需注意数据安全。

import openai

def generate_medical_text(text, max_tokens=100, temperature=0.7):
    openai.api_key = 'YOUR_API_KEY'  # 请妥善保管密钥
    response = openai.Completion.create(
        engine="text-davinci-003",
        prompt=text,
        max_tokens=max_tokens,
        n=1,
        stop=None,
        temperature=temperature
    )
    generated_text = response.choices[0].text.strip()
    return generated_text

四、面临的挑战

1. 数据隐私：必须严格遵守 GDPR、HIPAA 等法规，对患者姓名、地址等敏感信息进行脱敏处理。
2. 多语言支持：不同地区医疗体系差异大，模型需支持多语言文本处理。
3. 专业术语：大量缩写和专有名词需要专门的词典或知识图谱支持才能准确识别。

五、实战项目：电子病历分析应用

为了让理论落地，我们构建一个简单的桌面应用，集成上述分析功能。

1. 开发环境

使用 Python 作为开发语言，依赖 transformers、torch 和 tkinter。

pip install transformers torch

2. 界面与逻辑实现

采用分层架构，将 UI 交互与核心分析逻辑分离。

输入模块：

import tkinter as tk
from tkinter import scrolledtext

class MedicalRecordInputFrame(tk.Frame):
    def __init__(self, parent, on_process):
        super().__init__(parent)
        self.on_process = on_process
        self.create_widgets()

    def create_widgets(self):
        self.text_input = scrolledtext.ScrolledText(self, width=60, height=10)
        self.text_input.pack(pady=10, padx=10, fill="both", expand=True)
        tk.Button(self, text="分析", command=self.process_text).pack(pady=10, padx=10)

    def process_text(self):
        text = self.text_input.get("1.0", tk.END).strip()
        if text:
            self.on_process(text)
        else:
            tk.messagebox.showwarning("警告", "请输入电子病历")

分析核心：

from transformers import BertTokenizer, BertForSequenceClassification
import torch

def analyze_medical_record(text, model_name='bert-base-uncased', num_labels=3):
    tokenizer = BertTokenizer.from_pretrained(model_name)
    model = BertForSequenceClassification.from_pretrained(model_name, num_labels=num_labels)
    inputs = tokenizer(text, return_tensors='pt', max_length=512, truncation=True, padding=True)
    outputs = model(**inputs)
    probs = torch.nn.functional.softmax(outputs.logits, dim=-1)
    label = torch.argmax(probs, dim=-1).item()
    return label

结果显示模块：

import tkinter as tk
from tkinter import scrolledtext

class ResultFrame(tk.Frame):
    def __init__(self, parent):
        super().__init__(parent)
        self.create_widgets()

    def create_widgets(self):
        self.result_text = scrolledtext.ScrolledText(self, width=60, height=5)
        self.result_text.pack(pady=10, padx=10, fill="both", expand=True)

    def display_result(self, result):
        self.result_text.delete("1.0", tk.END)
        self.result_text.insert(tk.END, result)

主程序入口：

import tkinter as tk
from tkinter import ttk, messagebox
from medical_record_input_frame import MedicalRecordInputFrame
from result_frame import ResultFrame
from medical_analysis_functions import analyze_medical_record

class MedicalRecordAnalysisApp:
    def __init__(self, root):
        self.root = root
        self.root.title("电子病历分析应用")
        self.create_widgets()

    def create_widgets(self):
        self.medical_record_input_frame = MedicalRecordInputFrame(self.root, self.process_text)
        self.medical_record_input_frame.pack(pady=10, padx=10, fill="both", expand=True)
        self.result_frame = ResultFrame(self.root)
        self.result_frame.pack(pady=10, padx=10, fill="both", expand=True)

    def process_text(self, text):
        try:
            analysis = analyze_medical_record(text)
            if analysis == 0:
                result = "正常"
            elif analysis == 1:
                result = "异常"
            else:
                result = "需要进一步检查"
            self.result_frame.display_result(result)
        except Exception as e:
            messagebox.showerror("错误", f"处理失败：{str(e)}")

if __name__ == "__main__":
    root = tk.Tk()
    app = MedicalRecordAnalysisApp(root)
    root.mainloop()

3. 运行与测试

安装依赖后，运行主脚本即可启动应用。测试时可输入如下样例：

'患者男性，50 岁，主诉头痛、发热 3 天。体检：体温 38.5℃，血压 130/80mmHg。'

六、总结

NLP 技术在医疗领域的应用潜力巨大，能够显著提升诊断效率和服务质量。通过掌握电子病历分析、文本分类及智能问答的核心技术，开发者可以构建出实用的辅助工具。当然，在实际部署中，务必重视数据隐私保护和专业术语的准确性，确保系统安全可靠。