一、需求分析
在功能需求上，一是自动采集患者本次就诊的各类诊疗资料,包括医嘱、既有病历、检查检验结果、手术记录、治疗记录等,作为模型输入的数据基础；二是通过数据清洗、提炼、整合,形成大模型的输入指令；三是病历的生成过程应该是无感的,自动触发的；四是支持系统交互，可触发大模型生成病历内容和引用生成内容至电子病历文档；五是支持对生成的内容进行人工评价，强化学习对大模型进一步调优。在性能需求上，系统涉及大量的医疗数据，整个系统为私有化部署,需保证数据不出医院；系统应保持高度的稳定性；系统需保证在短时间内快速响应并生成相应的病历内容；系统支持迭代升级,大模型支持扩展训练生成其他病历类型或其他科室的病历。
二、系统设计
整体架构设计分为数据层、模型层、应用层和用户层。数据层部署在医院内网服务器,负责数据采集和存储；模型层部署在内网GPU集群,负责模型训练和推理；应用层为电子病历系统与大模型应用的集成,负责模型调用和输出；用户层为临床医生,负责模型输出结果的使用与评价。基于医院集成平台,系统支持自动采集患者住院基本信息、病历文书内容、医嘱记录、诊断记录、检查检验结果、手术记录、会诊记录、转科记录等本次住院的全量数据。前端采用悬浮小窗方式嵌入电子病历系统。在创建、打开和保存出院小结、首次病程记录、日常病程记录时,电子病历系统自动调用大模型服务进行相应病历内容的生成或离线生成结果的展示,并在悬浮窗反馈,用户点击即可查看生成内容。通过数据回写接口,支持将生成内容回写至电子病历文档。
（摘录：中国数字医学）
////////////////////////////////////专家点评////////////////////////////////////
甘良进，芜湖市第一人民医院病案管理中心主任，高级工程师，注册信息安全工程师，中国医院协会信息专业委员会青年委员，安徽省医院协会信息管理专业委员会常委。
中山大学肿瘤防治中心深入探究了基于大语言模型的电子病历自动生成技术，着重剖析了该技术在医疗场景中的应用模式、系统架构，以及落地过程中面临的挑战。通过本地化与专科化训练，模型能够适配不同医院的书写规范。中山大学肿瘤防治中心应用大模型的建设案例，为我省智慧医疗在大模型应用方面提供了可借鉴的经验。通过与医疗业务的深度融合，电子病历自动生成技术能够更好地服务于临床决策、医疗质量评估等环节，推动安徽省智慧医疗迈向新台阶，为患者提供更高效的医疗服务。然而，我们仍需面对算力需求高、生成内容偶发错误、本地化适配不佳等实际问题。随着技术的持续进步，基于大模型的电子病历自动生成技术有望在医疗领域发挥更为关键的作用，为医疗信息化的发展注入新的活力。