临床浏览器展示方式的变革---从动态查询到大语言模型驱动的SQL查询 \* { margin: 0; padding: 0; outline: 0; } body { font-family: "PingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif; line-height: 1.6; } .\_\_page\_content\_\_ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .\_\_meta\_\_ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .\_\_meta\_\_ .nick\_name { color: #576B95; } .\_\_meta\_\_ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid #ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item\_show\_type\_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: #576B95; text-decoration: none; cursor: default; } .text\_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture\_content .picture\_item { margin-bottom: 30px; } .picture\_content .picture\_item .picture\_item\_label { text-align: center; } img { max-width: 100%; } .pay\_subscribe\_notice { margin: 30px 0; padding: 20px; background: #fffbe6; border: 1px solid #ffe58f; border-radius: 8px; } .pay\_subscribe\_badge { display: inline-block; padding: 4px 12px; background: #faad14; color: #fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay\_subscribe\_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay\_subscribe\_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .\_\_bottom-bar\_\_ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .\_\_bottom-bar\_\_ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .\_\_bottom-bar\_\_ .right { display: flex; } .\_\_bottom-bar\_\_ .sns\_opr\_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .\_\_bottom-bar\_\_ .sns\_opr\_btn:not(:last-child) { margin-right: 16px; } .\_\_bottom-bar\_\_ .sns\_opr\_btn > img { margin-right: 4px; }
临床浏览器展示方式的变革—从动态查询到大语言模型驱动的SQL查询
原创 Hi您好 恒健知行 2025-09-14 00:00 安徽
一、传统浏览器缺点分析
当前临床浏览器（包括患者360全息视图、电子病历浏览器、健康档案浏览器等）可以集中展示患者和居民的在院的临床诊疗资料（包括检查、检验、病历、医嘱、文书、护理….）、健康体检、慢病管理等。但在使用时，又会涉及医生、护士、管理人员等不同角色从各种维度获取自己需要的有用信息，传统的浏览器在交互方式上是通过动态的查询控件，比如tab页、筛选框、下拉框等筛选自己所需要的信息。这种模式有几个方面的缺点：
首先，数据复杂度高，浏览器界面非常复杂，各种菜单和控件。临床浏览器在院内基于临床数据中心，在区域基于居民健康档案，这类临床数据库中组织复杂，变量成千上万，涉及面广既有临床资料（非结构化）又有检查检验结果，还有药物诊断，甚至还包括人口信息学信息。
其次，传统可视化有局限。基于动态查询控件进行过滤、查询，屏幕控件有限，布局密密麻麻。在需要嵌套到第三方系统的过程时（比如浏览器嵌套到HIS中）不是特别协调。同时，传参数时候需要记录字段名、编码值，面对更复杂的多条件查询就会显得无力。
最后，临床浏览器通常提供了全面的信息，用户需求没法充分满足。用户需要快速、精准的信息时，在临床浏览器的展示方式中是需要用户自己去查询去找的。这种带探索性质的分析，临床浏览器没法提供更强大的查询方式。
二、LLM驱动的查询
而采用大语言模型驱动的SQL查询，用户可以将自然语言转换为可编辑、可知行的SQL语句，可以替代传统的动态查询方式。这样浏览器的界面可以更简洁、更灵活，也可以支持更复杂的查询。
目前来看，大语言驱动的SQL查询是一种人机协同的查询系统，主要特征是：
1.大语言模型提供可编辑的SQL查询语句，用户可以对其进行修改，必须是人可以主导的，可以进行变量选择、逻辑过滤，以确保符合人的查询意图。
2.搭配自然语言解释。每一个生成的SQL语句都对应通俗的自然语言解释，说明查询意图。旨在增加查询的透明度，避免大模型幻觉或匹配错误。
基于以上两点，大语言模型驱动的SQL查询有两个阶段：
阶段1：医护人员自然语言到SQL语句的过程，大语言模型将医护查询意图翻译成SQL查询语句。这个阶段替代传统的各种筛选动作。
阶段2：从查询语句到可视化呈现，系统知行经用户编辑的SQL查询语句，将结果传递给前端展示所需信息，确切的说是直观展示医生关注的特征信息，而不是全量信息。
三、讨论
这里想简单谈谈大语言模型驱动的SQL查询的可行性问题。
首先，技术上已经没有障碍。大语言模型本身的迭代是日新月异，国内以阿里和深度求索公司为代码的开源大模型迭代速度很快，已经达到世界先进水平。
其次，数据标准化问题。大语言模型如果还是从医院或区域异构的数十个系统查询数据，那么这条路径也行不通。但当前，国内三级医院的电子病历成熟度水平基本达到4级以上水平，基本建设了数据中心，解决了数据过渡分散、数据异构等基本问题。这使得LLM大语言模型已经可以生成相对准确的SQL语句（尤其是多表关联）。
再者，实践中可以结合传统动态查询语句和LLM，保留动态查询的一些优点如快速、增量、可逆调整，保留界面点击、切换等操作。首先从小部件进行替换，逐步迭代替换是一条可行路径。
以上观点参考《Changing the Paradigm from Dynamic Queries to LLM-generated SQL Queries with Human Intervention》
文献阅读
《迈向医学有效的沉浸式技术： VR、AR、XR 和 AI 解决方案的潜力和未来应用》
《电子健康记录建模的系统综述：从深度学习方法到大型语言模型》
恒健知行
 阅读 赞  分享 ’%3E %3Cg transform=‘translate(0 -2.349)’%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=’%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=’%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言