买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆壹永科技集团有限公司申请的专利一种基于大模型的智能病历生成与质控方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121483474B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610023991.8，技术领域涉及：G16H10/60；该发明授权一种基于大模型的智能病历生成与质控方法及系统是由李旭;曾仔健;陈小梅设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本一种基于大模型的智能病历生成与质控方法及系统在说明书摘要公布了：本发明涉及一种基于大模型的智能病历生成与质控方法及系统，属于医疗信息技术与人工智能技术领域，解决了现有技术中病历书写效率低、质量不统一的问题。包括构建医疗领域知识增强大模型，其具备意图识别、病历生成、术语规范化检查、格式完整性检查、信息抽取、逻辑一致性检查的能力；当接收待生成病历的输入信息，通过医疗领域知识增强大模型的意图识别、病历生成能力，以及构建的病历模板库和医疗数据库，生成完整病历；当接收待质控病历，通过医疗领域知识增强大模型的术语规范化检查、格式完整性检查、信息抽取、逻辑一致性检查的能力，以及构建的医学知识图谱，生成质控建议。实现了病历的高效生成和质量控制。

本发明授权一种基于大模型的智能病历生成与质控方法及系统在权利要求书中公布了：1.一种基于大模型的智能病历生成与质控方法，其特征在于，包括以下步骤： 构建医疗领域知识增强大模型，其具备执行意图识别、病历生成、术语规范化检查、格式完整性检查、信息抽取、逻辑一致性检查任务的功能；包括：构建统一多任务指令数据集；采用医学语料对通用大语言模型进行领域适应预训练，获得医学基座模型；采用统一多任务指令数据集对医学基座模型进行监督微调训练，得到医疗领域知识增强大模型；其中，所述数据集包含意图识别样本、病历生成样本、术语规范化检查样本、格式完整性检查样本、信息抽取样本、逻辑一致性检查样本；所述样本为指令-响应对； 当接收待生成病历的输入信息，通过医疗领域知识增强大模型的意图识别、病历生成功能，以及构建的病历模板库和医疗数据库，生成完整病历； 当接收待质控病历，通过医疗领域知识增强大模型的术语规范化检查、格式完整性检查、信息抽取、逻辑一致性检查的功能，以及构建的医学知识图谱，生成质控建议； 其中，收集用户对生成的完整病历和质控建议的反馈，基于所述反馈对所述医疗领域知识增强大模型进行迭代优化； 其中，采用统一多任务指令数据集对医学基座模型进行监督微调训练时，总损失函数表示为： ； 式中，表示融合医学重要性与任务难度的动态加权损失，表示医学逻辑约束损失，表示逻辑约束损失的权重系数； 融合医学重要性与任务难度的动态加权损失表示为： ； 其中， ； 式中，表示任务总数量，表示第个任务的交叉熵损失，表示第个任务在训练轮次的动态权重，表示第个任务的任务医学重要性基础，表示第个任务在训练轮次的任务相对难度系数，表示第个任务在训练轮次的任务损失变化率，表示权重分布平滑系数；其中，下角标表示第个任务； 医学逻辑约束损失表示为： ； 式中，表示当前训练批次的样本数量，K表示预设的医学逻辑规则总数，表示违反第条规则的惩罚权重；表示第个样本违反第条规则的指示函数，违反时值为1，不违反时值为0； 所述用户对生成的完整病历和质控建议的反馈包括用户对生成病历的修改、对质控建议的采纳或拒绝、以及用户最终确认的病历版本；所述基于所述反馈对所述医疗领域知识增强大模型进行迭代优化包括： 基于收集的用户对生成的完整病历和质控建议的反馈，生成监督微调样本集和偏好数据对集； 基于所述监督微调样本集对所述医疗领域知识增强大模型进行周期性的增量监督微调； 基于所述偏好数据对集训练分层奖励模型，所述分层奖励模型包含医学事实准确性、规范符合度及临床实用性三个奖励子模型； 以当前医疗领域知识增强大模型作为策略模型，以所述分层奖励模型作为奖励函数，在医疗安全约束机制下采用策略优化算法更新所述策略模型的参数，以最大化所述分层奖励模型给出的综合奖励； 所述医疗安全约束机制为对涉及用药禁忌、剂量错误、诊断遗漏的高风险输出施加奖励惩罚。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆壹永科技集团有限公司，其通讯地址为：400000 重庆市渝中区化龙桥街道华盛路1号24层4-7单元；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。