一种基于人在回路的病历数据关键信息抽取与重构方法

本发明公开了一种基于人在回路的病历数据关键信息抽取与重构方法，其特点是采用将人在回路技术引入大语言模型的方法，利用大语言模型和专家先验知识对非结构化病历数据进行清洗和规范化处理，通过医疗向量库增强模型的语义检索与信息理解能力，实现对关键信息的高效抽取，通过自评估生成置信度，并在低置信度的情况下触发人类专家校验，通过人在回路的专家反馈不断优化和更新模型，最终实现可信度更高的病历数据结构化输出。本发明与现有技术相比具有提升病历数据自动化处理的准确性，解决了自动化处理系统难以满足高精度、高可信度的问题，在临床决策支持、智能医疗记录分析、个性化诊疗方案制定和医学科研数据挖掘具有广泛的应用前景。