本项目是医嘱反事实合规路径枚举与最小改动建议系统专为解决医生收到医保拒付通知后「知道违规、不知如何改对」这一真实断点而建。我们不输出禁止清单而是基于结构化医保审核规则知识图谱用反事实推理引擎联合 CP-SAT 约束求解器从被拒医嘱出发自动枚举所有「剂量微调、途径替换、时间重排、药品置换」等维度的最小必要改动组合输出可落地的合规处方区间包括安全剂量范围、允许给药途径、互斥诊断规避建议、DRG费用约束下的可行组合等。系统提供 Python CLI 彩色报告、Web 可视化热力图与路径图、标准 REST API 三种交付形态技术栈以 PythonOR-Tools CP-SAT、TypeScriptExpress D3.js双主线支撑规则全部由 YAML 显式定义便于医院信息科或医保办按本地政策持续维护。定位与能力范围我们聚焦一个明确边界当一条医嘱已被医保系统标记为拒付时它不是要重写诊疗指南也不是替代审方药师做终审而是成为医生在开立环节就能调用的「合规沙盘」。输入是一条结构化 JSON 医嘱含药品 ID、剂量、途径、频次、诊断编码、住院天数等字段输出不是「× 违规」而是「✓ 改这三项中的任一组合即可过审」比如将「头孢曲松 2g IV q12h」改为「头孢曲松 1g IV q12h」剂量下调、或「头孢曲松 2g IM q12h」途径变更、或「头孢曲松 2g IV q24h」频次拉宽三者均落在当前规则图谱所允许的合规处方区间内。这个区间本身是多维张成的不是单点建议而是覆盖剂量、时间窗、联合用药、诊断适配、费用权重的联合可行域。系统不处理未结构化的手写医嘱图像识别也不对接HIS实时拦截它假设你已有标准化医嘱数据如 FHIR 或自定义 JSON且规则已按rules/insurance_rules.yaml格式完成本地化配置。它的价值不在「全自动化闭环」而在把模糊的经验判断转化为可验证、可追溯、可教学的显性路径。核心功能模块系统能力由五个核心模块协同实现各司其职又紧密耦合模块职责说明关键输入/输出规则知识图谱kg/将医保审核规则转化为图结构RuleNode 表示单条规则如「限诊断 Z51.8 才可用帕博利珠单抗」RuleEdge 表示规则间逻辑关系冲突、依赖、优先级DrugGraph 则建模药品间相互作用与禁忌YAML 规则文件 → 图谱内存实例数据适配层adapters/统一转换不同来源医嘱格式HIS导出JSON、FHIR Bundle、测试样本为内部标准 OrderSchema确保后续引擎不感知上游异构原始医嘱数据 → 标准化 Order 对象反事实推理引擎reasoning/计算当前医嘱到各合规节点的「改动距离」支持语义距离如「IV→IM」比「IV→PO」改动更小、数值距离剂量差值归一化、组合距离多字段联合扰动代价当前医嘱 规则图谱 → 候选改动集及其距离分CP-SAT 约束求解器cpsat/将合规性要求形式化为布尔约束与整数约束如「若诊断为 I25.1则阿司匹林剂量 ≤100mg」调用 OR-Tools 求解器搜索满足全部约束、且总改动距离最小的解集候选改动集 约束表达式 → 最小改动方案列表合规处方区间生成器对每个可行解沿各维度向外扩展至边界输出连续区间如剂量50–150mg时间窗用药起始日 ≥ 入院第3天且 ≤ 第7天最小改动方案 → 多维合规区间描述所有模块均通过接口契约解耦例如CounterfactualEngine不直接调用RuleGraph方法而是依赖RuleGraphInterface抽象便于未来接入图数据库或规则引擎替换。使用与配置你无需从零构建规则图谱。项目已预置典型医保规则模板位于rules/insurance_rules.yaml支持以下六类声明式配置药品-药品互斥如「氯吡格雷」与「替格瑞洛」不可同用剂量限制如「伏立康唑」成人日剂量上限 400mg给药途径禁忌如「万古霉素」禁止皮下注射时间窗口互斥如「术后预防用抗菌药物」须在切皮前 120 分钟内开始诊断-药品强关联如「EGFR T790M 突变阳性」为「奥希替尼」必要前提DRG 权重与费用约束如「某DRG组内单日静脉营养费用不得超总费用 35%」CLI 是最快上手方式。安装后执行cd order-counterfactual-pathfinder pip install -r requirements.txt # 分析单条医嘱输出彩色终端报告 python -m cli.main --order-id ORD001 # 以表格形式呈现合规区间适合粘贴进质控台账 python -m cli.main --order-id ORD001 --output table # 批量分析拒付医嘱集合 python -m cli.main --batch --input-file data/samples/orders_rejected.jsonWeb 可视化服务独立运行便于科室共享查看cd web npm install npm run build npm start # 打开 http://localhost:3000上传 JSON 或输入 order_id 即可交互式探索API 调用同样简洁支持集成进医院审方插件或质控看板curl -X POST http://localhost:3000/api/analyze \ -H Content-Type: application/json \ -d {order_id: ORD001}返回 JSON 中compliant_intervals字段即为各维度合规范围minimal_modifications列出前三条最小改动路径每条含field修改字段、from_value/to_value变更前后、distance_score改动代价。工程结构与技术选型我们坚持「规则可读、逻辑可验、部署轻量」三原则选型Python 主线承担规则加载、图谱构建、距离计算、CP-SAT 求解等 CPU 密集型任务。选用 OR-Tools 因其 CP-SAT 求解器对混合整数布尔约束表达力强且社区对医疗排程、资源分配类问题有大量验证案例YAML 规则语法贴近业务人员理解习惯避免 DSL 学习成本。TypeScript/Node.js 前线负责 CLI 命令解析与 Rich 彩色渲染、Web 服务路由与 D3.js 可视化。Express 提供稳定 REST 接口D3.js 实现热力图按科室/药品聚合拒付率、路径图节点医嘱状态边改动操作、仪表盘合规区间分布直方图。架构分层清晰src/下严格按领域划分kg/知识、reasoning/推理、cpsat/求解cli/与web/作为独立入口不侵入核心逻辑data/samples/提供带注释的真实感模拟数据开箱即测。这种双语言分工既保障了规则引擎的严谨性与可调试性又兼顾了终端交互的响应速度与可视化表现力医生在 Web 端看到的每一条热力图渐变背后都是 Python 内核完成的数百次约束验证。数据与扩展机制所有规则定义、样本数据、报告模板均外置于代码逻辑之外规则源rules/insurance_rules.yaml支持嵌套条件与注释例如 id: rule_drg_cost_001 description: 某DRG组内单日静脉营养费用占比≤35% condition: drg_code: MS-DRG 123 constraint: field: iv_nutrition_cost_ratio max: 0.35 unit: fraction 样本医嘱data/samples/orders_rejected.json字段与实际 HIS 输出对齐含diagnosis_codes、medications含 dose, route, frequency、admission_date、discharge_date等关键字段。报告模板templates/下 HTML 与 Markdown 模板支持定制医院抬头、合规依据引用格式、PDF 导出样式。新增规则只需编辑 YAML 文件并重启服务或触发热重载扩展新维度如增加「患者年龄分层限制」只需在OrderSchema中添加字段在ModificationDistance中定义距离函数在cpsat中补充约束表达式无侵入式修改。限制与说明本系统明确不覆盖以下场景避免误用预期不处理非结构化文本医嘱如扫描件OCR结果未清洗不替代临床路径决策所有输出需经医师最终判断不动态同步医保局最新规则库需人工定期更新 YAMLCLI 默认仅分析本地data/samples/中的样本对接生产库需自行扩展adapters/实现Web 可视化默认单机运行高并发需配合 Nginx 反向代理与进程管理它本质是一个「合规推演沙盒」给你确定的规则、确定的输入还你确定的、可穷举的、代价最小的修改选项。当医保拒付从“黑箱通知”变为“白盒推演”医生的时间就从反复试错中释放出来质控人员也能从“解释为什么不行”转向“一起看怎么才行”。项目地址https://github.com/nexorin9/order-counterfactual-pathfinder
