本发明涉及结论排序技术，具体涉及一种基于大模型的智能主检结论排序方法和系统。
背景技术：
1、在体检场景下，主检报告中的结论需以相关指南要求进行排序。主检医生面对日益增多且复杂的体检报告，需要花费大量时间对这些结论进行排序。每份报告是不同结论词的组合，由于结论词成千上万，其组合数呈指数级爆炸，无法预先排序。传统排序一般按轻、重、缓、急，或者按部位来排序。这种排序依赖于主检医生对所有结论词进行轻重缓急和部位的标注，但结论词无法穷举，导致未标注的新词出现时无法排序。
技术实现思路
1、本发明的目的是提供一种基于大模型的智能主检结论排序方法和系统，以解决现有技术中的上述不足之处。
2、为了实现上述目的，本发明提供如下技术方案：一种基于大模型的智能主检结论排序方法和系统，包括以下步骤：
3、s1，确定排序规则，制定合理的医学排序规则，确定排序的三种维度，所述三种维度包括严重程度、干预程度以及发病部位；
4、s2，基于标注训练数据微调打分大模型；
5、s3，获取结论词；
6、s4，通过预训练的大模型提供的服务为各结论词分别为三种维度进行打分；
7、s5，根据打分规则计算总分，并按分数排序。
8、进一步地，所述步骤s2中基于标注训练数据微调打分大模型的具体工作方法为：
9、通过对结论词进行三个维度的标注，构建一批训练数据集，以在海量医学文本上预训练的大语言模型基座模型在训练数据集上进行有监督微调，可以大大提高模型的分维度打分准确率，训练数据为通过对结论词打分标注数据转换而得，对结论词标注了严重程度、干预程度、发病部位的分值，实际每条训练数据由输入和输出构成，输入为prompt模板和一组结论词生成，输出由输出模板和这组结论词对应维度的分值生成。
10、进一步地，所述步骤s3中获取结论词的具体工作方法为：
11、结论词可以来自主检系统异常提取，lis系统或pacs系统通过http请求将体检人体检报告数据发送到体检系统中，再由主检系统提取出异常结论，结论词也可以通过页面批量导入历史体检报告进行批量处理，结论词也可以通过系统页面人工录入。
12、进一步地，所述步骤s4中为三种维度进行打分的具体工作方法为：
13、微调后的大模型部署在服务端，并以api方式对外提供服务，通过调用大模型服务为结论词进行三个维度的打分，打分模型可批量对结论词库的结论词打分并将分数存储入数据库，以便下次直接获取，也可以对新的结论词实时打分。
14、进一步地，所述步骤s5中根据打分规则计算总分，并按分数排序的具体工作方法为：
15、根据打分规则计算总分，并按分数排序，打分规则可以为三个维度的分值进行加权求和，通过系统自主配置权重，所述三种维度的权重为1，排序按分数由低到高进行排序。
16、一种基于大模型的智能主检结论排序系统，包括：
17、大模型微调模块，所述大模型微调模块用于确定排序规则、微调训练结论词打分大语言模型、选择打分大模型；
18、大模型服务模块，所述大模型服务模块用于调用大模型；
19、打分排序模块，所述打分排序模块用于根据打分规则计算总分，并按分数排序。
20、与现有技术相比，本发明提供的一种基于大模型的智能主检结论排序方法和系统，通过确定排序规则，制定合理的医学排序规则，确定排序的三种维度，所述三种维度包括严重程度、干预程度以及发病部位，基于标注训练数据微调打分大模型，获取结论词，通过预训练的大模型提供的服务为各结论词分别为三种维度进行打分，根据打分规则计算总分，并按分数排序，从而结论词无需穷举，未标注的新词出现时依然可以排序。
1.一种基于大模型的智能主检结论排序方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大模型的智能主检结论排序方法，其特征在于，所述步骤s2中基于标注训练数据微调打分大模型的具体工作方法为：
3.根据权利要求1所述的一种基于大模型的智能主检结论排序方法，其特征在于，所述步骤s3中获取结论词的具体工作方法为：
4.根据权利要求1所述的一种基于大模型的智能主检结论排序方法，其特征在于，所述步骤s4中为三种维度进行打分的具体工作方法为：
5.根据权利要求1所述的一种基于大模型的智能主检结论排序方法，其特征在于，所述步骤s5中根据打分规则计算总分，并按分数排序的具体工作方法为：
6.一种基于大模型的智能主检结论排序系统，其适用于权利要求1-5任一项所述的一种基于大模型的智能主检结论排序方法，其特征在于，包括：
