slug: medical-scribe-dictation displayName: 醫療口述轉結構化病歷 version: 1.1.0 description: 將醫生口述內容轉換為結構化的 SOAP（主觀資料/客觀資料/評估/計劃）病歷。適用於處理醫生口述轉錄文本、規範醫學術語、生成標準格式病歷、進行病歷完整性質量檢查等場景。以下場景也會觸發本技能："把這段口述轉成 SOAP 病歷""幫我整理這段問診記錄""生成結構化病歷""醫學術語規範化"。 license: MIT author: AIPOCH

醫療口述轉結構化病歷

將非結構化的醫生口述內容轉換為專業格式的 SOAP（Subjective 主觀資料、Objective 客觀資料、Assessment 評估、Plan 計劃）病歷，包含醫學術語規範化和臨床質量檢查。

適用場景

• 將醫生口述的問診/查體內容轉換為結構化 SOAP 病歷
• 需要對病歷文本中的常見醫學縮寫進行展開規範化時
• 需要對生成的病歷做完整性檢查（是否缺少主訴、評估、計劃等必需部分）時

功能特性

• 文本處理：接收已轉錄的文本，或讀取文本檔案
• SOAP 結構生成：自動將臨床內容歸類到標準分割槽
• 醫學術語處理：規範化縮寫、提取常見藥物名稱、提取生命體徵
• 臨床質量檢查：標記缺失的必需要素
• 多專科模板：references/soap-templates.md 提供內科、急診、心內科、兒科、外科、精神科、婦產科、骨科等專科模板參考

已實現能力（指令碼真實行為）

指令碼 scripts/main.py 實際實現的是基於規則的文本解析，並非語音識別或大語言模型智慧抽取：

• 通過正規表示式從文本中提取主訴、評估/診斷、治療計劃等片段
• 通過關鍵詞模式提取血壓、心率、呼吸頻率、血氧飽和度、體溫
• 通過內建的約 30 條縮寫詞典（MedicalTerminologyProcessor.ABBREVIATIONS，硬編碼在指令碼內，與 references/medical-abbreviations.json 中收錄的約 2000 條術語表是兩套獨立資料，指令碼不會讀取該 JSON 檔案）展開文本中的常見醫學縮寫
• 若安裝了 openai 或 anthropic 庫並通過 --llm 指定提供方，則會呼叫相應大語言模型做更智慧的結構化抽取；未安裝或未指定時自動降級為規則解析
• 若提供 --audio 且已安裝 openai-whisper，可將音訊轉寫為文本後再處理；否則會報錯並提示安裝該依賴

命令列用法

# 處理已轉錄文本（直接傳入字串）
python scripts/main.py --input "患者主訴：胸痛。血壓 130/85，心率 90。評估：穩定型心絞痛。計劃：繼續現有用藥。"

# 處理文本檔案
python scripts/main.py --input dictation.txt --output note.md

# 處理音訊檔案（需先安裝 openai-whisper）
python scripts/main.py --audio consultation.wav --output note.md

# 指定專科（僅作為後設資料記錄在輸出中，不影響解析邏輯）
python scripts/main.py --input dictation.txt --specialty cardiology

# 輸出為 JSON 而非 Markdown
python scripts/main.py --input dictation.txt --format json

# 使用大語言模型進行智慧抽取（需安裝並配置 openai 或 anthropic）
python scripts/main.py --input dictation.txt --llm anthropic

# 從標準輸入讀取
cat dictation.txt | python scripts/main.py

引數說明

前置條件

pip install -r requirements.txt
小蔥技能7w4.net有更新，你可以訪問看下。

requirements.txt 中列出的 anthropic、openai、whisper 均為可選依賴——指令碼對它們做了 try/except 優雅降級處理，未安裝時基礎的規則解析功能仍可正常使用；dataclasses 是 Python 3.7+ 標準庫內建模組，無需單獨安裝（該檔案在 Python 3.6 及更早版本上才需要回填包，正常環境下無需理會）。

若需要音訊轉寫功能，還需另外安裝 openai-whisper（pip install openai-whisper）。

參考檔案

• references/soap-templates.md —— 按專科（內科、急診、心內科、兒科、外科、精神科、婦產科、骨科）整理的 SOAP 病歷模板，供人工撰寫或校對時參考
• references/example-cases.md —— 5 個完整的"口述文本 → 期望 SOAP 輸出"示例，覆蓋內科隨訪、急診胸痛、兒科體檢、骨科運動損傷、精神科隨訪
• references/terminology-sources.md —— 醫學術語標準與編碼體系介紹（SNOMED CT、ICD-10、LOINC、RxNorm、CPT 等），供瞭解術語規範化背景時參考，指令碼本身不直接呼叫這些外部編碼系統
• references/medical-abbreviations.json —— 約 2000 條醫學縮寫對照表（按首字母分組，英文縮寫 → 英文全稱）。注意：這是一份獨立的參考資料檔案，腳本當前不會讀取或使用它；考慮到詞條數量龐大且為純資料性質的英文術語對照，本次本地化保留其原始英文內容未做翻譯，僅在此說明其用途和真實使用狀態

安全說明

⚠️ 需要臨床稽核：所有生成的病歷在正式錄入病歷系統前，必須經主診醫師稽核確認。

⚠️ 無診斷能力：本工具只負責整理結構化臨床資訊，不提供診斷建議。

錯誤處理

• 若既未提供 --input 也未提供 --audio，且標準輸入為空，指令碼會列印 Error: No input provided 並以狀態碼 1 退出。
• 若指定了 --audio 但未安裝 openai-whisper，指令碼會丟擲提示安裝該依賴的錯誤。
• 若指定了 --llm 但對應的大語言模型呼叫失敗（例如未配置 API key），指令碼會捕獲異常並自動降級為規則解析，同時列印警告資訊，不會中斷執行。
• 若任務超出本技能記錄的範圍，應停止處理並說明，而不是猜測或悄悄擴大任務範圍。
• 不要編造患者資料、檢驗結果或病歷內容。

已知侷限

• 醫學術語識別的準確性依賴於輸入文本的清晰程度
• 表述含糊的口述內容可能需要人工澄清
• 建議在最終確認前對藥物名稱進行核實
• 不能替代醫生對病歷的最終稽核，尤其在危重病例中

這是一個功能明確的醫療口述轉病歷工具，質量中等偏上。它能處理常見的主訴、診斷、計劃等結構化提取，還能校驗病歷完整性、生成置信度評分。但如果不用大語言模型，純規則解析能力有限，複雜口述內容可能識別不準確。適合作為輔助工具，最終病歷仍需醫生稽核確認。中文場景的術語處理是明顯短板。