[开源] 护理语音医嘱转换系统：面向移动护理终端的结构化记录工具，自动解析床号、操作、参数与通知状态

本项目是一个专为临床一线护士设计的轻量级命令行工具，解决移动护理终端中语音描述转结构化医嘱记录的断点问题。我们不对接医院HIS或EMR系统，也不要求部署服务端，而是以本地可执行方式嵌入护士日常操作流：护士口述「14床测血压，偏高，通知医生」，系统实时输出含床号、操作类型、参数语义值、通知标记及待确认状态的标准化记录。核心能力全部围绕护理文书规范展开，床号支持「14床」「14-床」「14床xxx」等非标写法；护理操作覆盖20+项高频动作（如测血压、吸痰、翻身、静脉输液），并内置同义词映射；参数描述（如「偏高」「稍快」「正常范围」）被统一归一为预定义语义标签；是否需通知医生由上下文关键词触发识别；最终结果可导出为JSON（供系统集成）、CSV（GBK编码，适配院内Windows环境）和HTML（带时间戳与原始文本的可读报告）。它用TypeScript + Node.js构建，模块化拆分为解析、映射、导出与CLI四层，所有逻辑在本地运行，无网络依赖，测试覆盖全部关键路径。

定位与能力边界

我们不做语音识别（ASR），只处理已转写的中文文本；不做NLP大模型微调，不依赖GPU或云API；不生成护理计划或评估结论，只做从自然语言到结构化字段的确定性映射。它的存在前提很具体：护士已在移动端完成语音输入并获得文字稿，但人工逐字录入结构化表单仍耗时、易错、难回溯。因此，系统能力严格限定在四个可验证环节：
- 床号提取：识别数字+床/床号/bed等变体，兼容空格、短横、中英文混排；
- 操作识别：基于预置术语库匹配动作意图，例如「量血压」「测BP」「血压监测」均映射至measure_bp；
- 参数解析：将模糊描述映射为标准枚举值，如「偏高」→abnormal_high，「稍快」→slightly_fast，「正常」→normal；
- 通知判定：检测「通知医生」「叫医生」「得找大夫」等显式表达，也识别隐含场景（如「室颤」「心跳骤停」自动触发notifyDoctor: true）。

超出这四类的语义（如时间推演、风险评分、跨操作关联）不在当前设计范围内。这不是一个通用医疗NLU平台，而是一把为护理文书场景打磨的结构化小刀。

核心功能详解

以下功能全部通过本地解析引擎实现，无需联网，不上传任何数据：

所有解析规则均来自data/目录下的结构化术语表，而非正则硬编码。例如「测血压」对应的操作ID、参数名、单位、可能取值范围，全部在data/operations.json中明确定义，便于科室按本院习惯增删改。

使用与交互方式

系统提供四种使用路径，全部通过npm start入口统一调度：

npm start -- --text "14床测血压，偏高，通知医生"

npm start -- --file data/examples.json

npm start -- --text "14床测血压" --format csv --output result.csv

npm start

交互式模式下，每行输入一条语音文本，空行结束，实时返回JSON结果。这种设计适配两种典型场景：一是护士在查房间隙用手机终端快速录入单条指令；二是信息科批量清洗历史语音转写日志。所有命令行参数含义如下表：

注意：--file读取的是纯文本JSON数组，不是带结构的医嘱对象集合；系统不校验输入合法性，只对符合护理语言习惯的文本做最优解析。

工程结构与可维护性

整个项目按职责清晰切分为五个源码模块，全部位于src/下：

• parser/

  ：纯函数式文本切分与词元识别，不依赖外部状态，输入字符串，输出中间词元树；

• mapper/

  ：将词元映射为标准操作ID与参数枚举值，核心逻辑集中在operationMap.ts与parameterRules.ts；

• export/

  ：格式无关的导出接口抽象，jsonExporter.ts、csvExporter.ts、htmlExporter.ts各自实现ExportStrategy；

• cli/

  ：封装命令行参数解析（yargs）、输入流控制与结果输出，与业务逻辑零耦合；

• utils/

  ：提供normalizeText()（去噪、统一空格）、parseBedNo()（正则+规则双校验）等复用函数。

测试驱动开发贯穿全程：__tests__/中每个模块均有对应单元测试，且包含集成测试验证端到端流程。例如bedNo.test.ts覆盖「14床」「床14」「14-床」等7种写法；parameter.test.ts验证「偏低」「轻度降低」「略低于正常」全部映射至abnormal_low；e2e.test.ts用真实样例文本检验最终JSON字段完整性。所有测试用例均来自临床真实语料整理，非虚构构造。

数据与扩展机制

术语体系完全开放可配置，所有业务规则不写死在代码里：

• 护理操作定义存于data/operations.json，每项含id、keywords（同义词数组）、parameters（参数名与可选值列表）；

• 床号识别规则在data/patterns/bedNoPatterns.json中声明正则与后处理逻辑；

• 参数语义映射表位于data/parameterValues.json，定义「偏高」「升高」「明显增高」→abnormal_high等映射；

• HTML报告模板在templates/report.html中，支持自定义CSS与字段展示顺序。

新增一项操作（如「中心静脉压监测」）只需在operations.json中添加条目，无需修改任何TypeScript源码。术语库更新后，重新运行npm start即可生效，无编译步骤。

限制与适用说明

本系统有明确的能力边界，须提前知悉：
- 不处理语音音频，仅接受已转写的中文文本；
- 不校验床号真实性（如「999床」仍会提取为"999"），需由上层系统或人工核对；
- 参数解析基于预设词典，未登录词（如新造口语「有点儿悬」）无法识别，返回空参数数组；
- CSV导出不包含嵌套结构（如多个操作共存时，一行CSV仅对应一个operations[0]），完整结构请用JSON；
- HTML报告为静态页面，不支持交互式筛选或导出子集。

它适合三类使用者：一线护士（单条快速录入）、信息科人员（批量清洗语音日志）、护理质控员（导出CSV做操作频次统计）。不适合替代专业语音识别引擎，也不用于生成法律效力文书，所有输出均标注"status": "pending_confirm"，必须经护士二次确认后方可归档。

项目地址：
https://github.com/nexorin9/nursing-voice-order-converter