智能病历解析与可视化

要解决什么问题

临床与办公场景里，病历常以自由文本或半结构化 Markdown 存在：章节标题不统一、字段散落在叙述里，很难直接做检索、统计或与下游系统对接。人工抄录结构化字段成本高，且容易漏掉生命体征、用药频次等细节。

技能如何工作

本技能实现一套病历解析与可视化流程，核心依赖阿里云 Qwen-turbo（DashScope）做 LLM 抽取，并在模型失败时自动回退到正则规则解析，避免单点故障。

典型能力包括：

• 多类型病历：门诊、住院、急诊等文本格式
• 结构化字段：患者基本信息、生命体征、诊断（含 ICD、主次诊断）、用药方案，以及主诉、现病史、体格检查等章节
• 可视化：统计看板、年龄/性别分布图（Chart.js）、可搜索的病历卡片列表与详情弹窗
• 集成：GET /api/records、/api/stats、POST /api/upload 等 REST 接口；支持上传新病历并刷新解析结果

数据侧约定：每条病历以 # 病历标题 开头，章节用 **章节名** 标记，记录之间以 --- 分隔，便于批量解析与展示。

适用边界与注意点

• 需要配置有效的 DashScope API Key（config.py 或 .env），解析质量与可用性取决于模型与文本清晰度。
• LLM 抽取结果应视为辅助结构化，涉及诊疗决策或合规归档时仍需人工复核，尤其是诊断编码与用药剂量。
• 规则回退能保证服务不中断，但对高度非标准写法，字段完整度可能不如 LLM 路径；上传前尽量统一章节标记可提高命中率。