把原始病历整理成
可核查的研究证据
本周打通了从原始 PDF 到患者、章节、时间线和治疗证据的流程，并搭建人工复核与浏览入口。现在可以系统审计资料、核查病例、整理待复核的治疗字段。
本周主要成果
可复用的文本底座
提取、OCR、分段、时间线、来源定位和质控可重复运行。
治疗状态与证据定位
把已手术、拟手术、明确保守和未知分开，保留每条判断的原文位置。
交互式核验工具与研究草案
病例浏览器、Gold Set 审阅台，以及聚焦一个决策点的申请书重构版。
数字来源与口径
- 完整快照 run_metadata.json：232、342、13,931、10,341。
- SESSION_LOG.md：9 月 25—27 日交付与验收记录。
从散乱 PDF 到可追溯的患者时间线
病历结构化、手术相关信息与检查时间线已纳入同一条可重复的处理链。
患者清单 + PDF
232 行清单、365 个 PDF 路径；病历与检验共同纳入。
患者匹配与去重
342 份唯一内容；231 位患者匹配到 PDF。
原文提取 + 本地 OCR
198 份 PDF 原文字层无法可靠恢复中文；异常页定向 OCR。
章节与日期
识别病程、检验、操作、门诊等章节并保留页/行定位。
时间线 + 质控
10,341 条有日期依据的时间线条目；异常单独留队列。
目前得到的可用结构
可回查的结构化结果
同一份资料可以回看原件
每条结构化记录可回到原 PDF、页码和章节。原始文字、OCR 文字及标准化结果的对应关系也得到保留。
完整快照中，非空文本行的章节覆盖缺口与重复覆盖均为 0。
章节位置关系通过结构检查。
“写过手术”与“实际手术”分开
先筛 AAOCA 相关证据，再整理实际发生的治疗。计划、讨论和知情同意记作治疗意图；缺少确切处置证据时保留未知。
230 位自动相关患者的 observed_management 候选分布
每个结论可回到证据
治疗抽取共保留 1,619 条带来源位置的证据；112 次去重后的 AAOCA 手术事件对应 111 位患者。
人工复核进度：0 / 62
例外病例已进入复核工作簿。上图是规则候选状态，等待医生确认。
证据与口径
- AAOCA 例外审计：230 自动相关、2 不确定、62 位例外。
- 治疗抽取元数据：111 / 11 / 20 / 88，1,619 条证据、112 次事件。
- 治疗抽取汇总：状态定义与复核范围。
同样出现“手术”，临床含义不同
以下两例来自当前本地抽取结果。保留伪名患者 ID 和原 PDF 页码，可在病例浏览器搜索并回看完整文书。
择期治疗属于计划；这次完成的是诊断性冠脉造影。
当前候选状态：拟手术；实际 AAOCA 手术未知冠脉异常见于诊断列表；手术记录为室间隔缺损和卵圆孔修补，与 AAOCA 治疗手术分开记录。
当前候选状态：未知；实际 AAOCA 手术未知证据定位
- 示例文本从本地 management_evidence.csv 摘取；患者 ID、页码和状态与 management_summary.csv 对应。
结构校验完成，模型试跑发现具体问题
结构校验已通过；48 页 Gold Set 等待人工标注；11 条 LLM 响应试跑揭示了引用和状态一致性问题。
结构与来源校验
完整快照和治疗抽取包的独立验证均已通过，错误 0、警告 0；记录可追到原始证据。
覆盖内容：文件关联、字段约束和来源指针。
Gold Set 人工核验
按原生/OCR × 病历/检验固定抽取 48 页；目前保存的人工标注 0 页。
下一步：完成逐页校正，再评估文字、分段和日期。
LLM 响应小样本审计
11 条试跑响应中，1 条通过校验，10 条被拦截。
共记录 52 项校验错误，其中证据 ID 错用 15 次、引文区间不匹配 15 次；同一响应可有多项错误。
证据与口径
- Gold Set 抽样报告：48 页固定样本；manifest。
- 9 月 29 日试跑审计：11 条响应、1 条原样通过、10 条拦截。
- 验收记录：完整快照、治疗抽取与浏览器交付。
从“预测是否手术”收敛到
“先找到会改变行动的证据”
9 月 29 日申请书重构版把主问题限定在一个儿童 AAOCA 决策点：同一患儿、同一决策前候选池、固定 Top-3，哪些证据最值得先看？
冻结决策点和数据边界
核实病例资格、CTA/心超覆盖、文书何时可见、医生能否双审，以及“保守 / 升级评估”的行动定义。
固定预算下找到关键证据
在同一候选池、同一 Top-3 预算下，与时间、词法、语义和临床规则等强基线比较。
证据对建议的影响
若 RQ1 有稳健收益，再比较模型在受控证据揭示下的行动质量和高后果错误。
文本底座提供证据单元
章节、日期和来源指针提供候选证据单元；治疗状态用于回顾性描述与抽样，风险判断由决策前证据和临床定义支持。
待核实的数据条件
决策前可见时间 available_at、影像模态覆盖、临床行动边界与双人复核资源。
方案依据
- 《本科生科研项目申请书重构版_2026-09-29.md》：项目摘要、Gate 0、RQ1/RQ2 与停止闸门，位于 med_ai_research 工作目录。
- 项目分工与文本目标：影像结构分析由其他同学负责。
交互式病例核验与复核工具
以下入口可查看病例时间线、逐页校对 PDF，并打开例外病例复核表。
病例浏览器
从队列总览进入患者时间线，筛选文书类型，展开章节正文，再定位原 PDF 页。
- 查看 232 位患者和文书的动态总览
- 从时间线逐级回查章节和原始来源
- 查看治疗状态与人工复核标记
Gold Set 审阅台
对照原始 PDF 页、原生文字、OCR 和分段预测，逐页人工修正，形成后续评估的参考答案。
- 48 页固定抽样，分成 4 个来源/文书层
- 跨页查看上下文，保留页码锚点
- 支持逐页校正与上下文查看
AAOCA 例外病例复核表
62 位待审病例与 654 条证据；可填写复核结论，保留页码与来源定位。
python -X utf8 E:\AAOCA_Works\reports\weekly_progress_demo_2026-09-29.py，再刷新本页。入口来源
把可用数据变成可信的研究任务
文本资料已经可以系统整理和回溯。下一步聚焦决策前证据边界、关键病例复核和影像对齐。
确认一个决策点
和医生讨论“继续保守 / 升级评估”的边界、索引时间，以及哪些证据确实会改变下一步行动。
需要医生确认先校准文本，再用字段
推进 48 页 Gold Set 标注和 62 位 AAOCA 例外病例复核；从治疗未知和日期冲突中抽优先样本。
待人工标注把影像清单与文本连起来
与影像同学核对 CTA、心超的患者覆盖和检查时间；只有模态与时间边界清楚，才进入证据重排实验。
跨组协作口径说明
- 本页数字来自 9 月 25 日完整文本快照、9 月 26 日治疗/例外结果和 9 月 29 日小样本响应审计，时间与分母各自标注。