技术领域
[0001] 本发明涉及自然语言处理技术领域，尤其涉及一种体检报告解读方法、装置和一体机。
相关背景技术
[0002] 体检报告解读是指对文本进行分析和理解，以便准确地把握其中所包含的信息和意义，并从中获取知识，从而做出更准确的决策和判断。
[0003] 目前，多通过将待解读文本以及用户提问文本输入至大语言模型，但由于用户缺乏关键性知识，导致用户提问文本可能无法包括关键性问题，进而影响大语言模型的体检报告解读精度。
具体实施方式
[0043] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0044] 目前，多通过将待解读文本以及用户提问文本输入至大语言模型，但由于用户缺乏关键性知识，导致用户提问文本可能无法包括关键性问题，进而影响大语言模型的体检报告解读精度。
[0045] 此外，现有技术也有通过专业人员进行体检报告解读，不仅耗时较长，而且不同专业人员的专业性和想法不一，从而导致解读结果存在不一致性。
[0046] 对此，本发明提供一种体检报告解读方法。图1是本发明提供的体检报告解读方法的流程示意图，如图1所示，该方法可以应用于服务段，服务端部署有用于体检报告解读的大型语言模型，该方法包括如下步骤：
[0047] 步骤110、确定待解读的体检报告。
[0048] 此处，待解读的体检报告即需要进行解读的文本。体检报告可以是用户直接输入的，也可以是将采集所得的音频进行语音转写后得到的，还可以是通过扫描仪、手机、相机等图像采集设备采集得到图像，并对图像进行文字识别得到的，本发明实施例对此不作具体限定。
[0049] 此外，体检报告可以是体检报告文本，也可以是学术报告文本，还可以是其它类型文本(如调研文本、财务报告文本、新闻报道文本等)，为了便于阐述本发明的技术方案，以下实施例均以体检报告文本作为体检报告进行说明。
[0050] 步骤120、将体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到大型语言模型输出的体检报告的问题文本；提示语文本用于描述体检报告的问题约束条件，问题文本用于问询用户既往史的身体状态信息。
[0051] 具体地，体检报告文本反映的是用户体检时的身体状态，但并不包含用户既往史的身体状态信息。若仅依据用户体检时的身体状态进行体检报告解读，可能无法准确得出贴合用户实际情况的解读结果。对此，本发明实施例将体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到体检报告的问题文本，该问题文本可以理解为用于问询获取用户既往史的身体状态信息，如可以是关键身体状态信息，从而可以结合用户体检时的身体状态以及关键既往史的身体状态信息，准确得到体检报告的解读结果，如是否需要就医。
[0052] 其中，提示语文本用于描述体检报告的问题约束条件，以便引导大型语言模型基于体检报告生成满足问题约束条件的问题文本。其中，问题约束条件是指对体检报告进行解读时所涉及的问题需要满足的条件或限制。问题约束条件是基于体检报告构建得到的，问题约束条件可以用于约束关键问题方向(如从症状诱因、性质、持续时间、伴随症状、既往病史、是否就医治疗、缓解方式、加重因素等方向询问)、约束问题用语(如采用口语化、通俗化的语言)、约束问题形式(如采用多轮问询的方式，且每次问询只能询问一个问题)等。
[0053] 也就是说，问题约束条件能够指导大型语言模型针对性生成包含关键问题的问题文本，避免传统方法中无专业知识的用户自行提问导致提问文本可能无法包括关键性问题，进而影响体检报告解读精度的问题。
[0054] 在一些具体实施方式中，用于体检报告解读的大型语言模型可以基于样本体检报告、样本提示语文本以及对应的样本问题文本训练得到，用于体检报告解读的大型语言模型可以基于BERT模型(Bidirectional Encoder Representations from Transformers)、XLNet模型(extreme Multi‑label Learning Network)、ROBERTa模型(Robustly Optimized BERT approach)、T5模型(Text‑to‑Text Transfer Transformer)等预训练模型构建得到。此处，用于体检报告解读的大型语言模型也可以是具有类人特性的聊天机器人中部署的大规模模型，例如，讯飞星火大模型(IFlytek Spark)，部署有该用于体检报告解读的大型语言模型的聊天机器人能够通过理解和学习人类的语言从而与用户进行对话，并且，还能根据对话的上下文与用户进行互动具备真正类人的交流能力，除此之外，其还具备人类的能力，例如编辑、翻译、搜索等。
[0055] 步骤130、将问题文本发送至终端，以使终端返回问题文本的答案文本。
[0056] 具体地，在大型语言模型生成问题文本后，将问题文本发送至终端，从而用户可以针对终端显示的问题文本进行针对性作答，得到答案文本，并通过终端返回对应的答案文本。
[0057] 步骤140、将体检报告、问题文本以及答案文本输入至大型语言模型，得到大型语言模型输出的体检报告的解读文本。
[0058] 具体地，答案文本用于表征用户关键既往史的身体状态信息，将体检报告以及答案文本输入至大型语言模型后，大型语言模型能够基于体检报告中包含的用户体检时的身体状态信息、问题文本以及答案文本中用户关键既往史的身体状态信息，准确得到体检报告的解读文本，以辅助用户决策。
[0059] 本发明实施例提供的体检报告解读方法，将体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，从而提示语文本能够指导大型语言模型生成包含关键问题的问题文本，避免传统方法中无专业知识的用户自行提问导致提问文本可能无法包括关键性问题，进而影响体检报告解读精度的问题。此外，在获取问题文本的答案文本后，由于答案文本包含关键性问题的答案，从而大型语言模型能够基于体检报告、问题文本以及答案文本准确得到对应的解读文本。
[0060] 基于上述实施例，图2是本发明提供的提示语文本确定方法的流程示意图，如图2所示，提示语文本的确定步骤包括：
[0061] 步骤210、基于体检报告，确定解读场景。
[0062] 具体地，对体检报告进行分析和理解，以确定对应的解读场景。其中，在对体检报告进行分析和理解时，可以考虑体检报告的主题、语境、目的等因素。例如，若体检报告是一篇新闻报道，则解读场景可能是获取新闻事件的相关信息；若体检报告是一段对话，则解读场景可能是理解对话双方的意图和交流内容；若体检报告是体检报告文本，则解读场景可能是发现潜在健康隐患。
[0063] 步骤220、基于解读场景，确定体检报告的问题约束条件。
[0064] 具体地，在确定解读场景后，需要进一步明确问题约束条件。问题约束条件是指对体检报告进行解读时所涉及的问题需要满足的条件或限制。例如，若体检报告是一篇新闻报道，问题约束条件可以是从报道的主要信息方向进行问询；若体检报告是一段对话，问题约束条件可以是从对话双方的核心观点方向进行问询。若体检报告是体检报告文本，问题约束条件可以是从报告中的异常指标项对应的既往史方向进行问询。
[0065] 步骤230、基于体检报告的问题约束条件，生成提示语文本。
[0066] 具体地，在确定问题约束条件后，可以根据问题约束条件生成相应的提示语文本，以基于提示语文本引导大型语言模型生成满足问题约束条件的问题文本，即生成包含有关键问题的问题文本。
[0067] 基于上述任一实施例，图3是本发明提供的提示语文本确定方法中步骤220的实施方式的流程示意图，如图3所示，步骤220包括：
[0068] 步骤221、基于解读场景，确定解读目标以及解读范围；
[0069] 步骤222、基于解读目标以及解读范围，确定体检报告的问题约束条件。
[0070] 具体地，解读目标是指在解读体检报告时，希望通过解读体检报告所达到的理解和认识的目标。解读目标可以是获取特定信息、理解坐着的观点或意图、分析文本的结构等。对于体检报告文本而言，其解读目标可以为“判断是否存在健康隐患，并确定在存在健康隐患的情况下对应的处理措施”。
[0071] 解读范围是指在解读体检报告时所关注的内容范围，其可以是某个特定的段落、句子或者整篇文章。对于体检报告文本而言，其解读范围可以为“报告文本中的异常指标项”。
[0072] 在确定解读目标和解读范围后，可以进一步确定体检报告的问题约束条件。问题约束条件是指对体检报告进行解读时所涉及的问题需要满足的条件或限制，从而能够指导大型语言模型生成满足问题约束条件的问题文本，即生成包含有关键问题的问题文本。
[0073] 基于上述任一实施例，问题约束条件包括类别约束、信息约束、结构约束以及长度约束中的至少一种。
[0074] 具体地，类别约束用于约束问题文本中的问题类型，如问题类型可以包括症状性质、症状持续的时间。信息约束用于约束问题文本中的内容，如内容与异常指标项相关。结构约束用于约束问题文本的结构，如每次询问一个问题，询问完全部问题以后在最后一轮给出总结回复。长度约束用于约束问题文本的长度，如每个问题长度不大于预设值。
[0075] 作为一种可选实施例，在将体检报告以及提示语文本输入至用于体检报告解读的大型语言模型之前，可以对体检报告进行结构化，得到结构化文本。以下为体检报告文本作为体检报告时，其对应的结构化文本示例如下：
[0076] 姓名：个人信息；年龄：个人信息；性别：个人信息；身高：个人信息；体重：个人信息[0077] 报告日期：{个人信息：日期}
[0078] 体检报告单异常值详细结果：
[0079] #放射科检查异常项：
[0080] {所见和小结都要，包括CT、X线、MRI}
[0081] #检验科检查异常项：
[0082] {异常项目、值、正常值范围、单位以及小结都要}
[0083] #超声科检查异常项：
[0084] {所见和小结都要，包括B超和彩超}
[0085] #外科、妇科及其他科室异常项：{只要小结}
[0086] #体检报告单结论：
[0087] {总结}
[0088] 以下为针对上述体检报告构建的提示语文本示例：
[0089] 现在是体检报告问诊场景，你扮演医生，我是你的患者，我会给你一份体检报告文本，请你参考体检报告文本的体检结果，对我进行主动问诊、多轮对话，体检报告文本可能包括单项检查结果，也可能包括组合项结果。
[0090] 有意义的异常项组合是指：两项及两项以上的异常检查类型组合结合后有明显的临床指向性疾病或疾病大类。如：血常规中的白细胞总数、中性粒细胞百分比升高，加上胸部CT提示肺部感染，指向细菌性肺炎可能性大。血压高伴血脂高考虑心脑血管疾病风险大。
[0091] 以下是具体的问题约束条件：
[0092] 一、默认体检报告文本是患者第1轮问题，第1轮回复需要对体检报告中有指向意义的组合项进行临床意义解读，然后主动问诊、多轮交互，并根据患者的回复及时调整问诊方向。
[0093] 二、每轮问诊只能询问1个相关性问题，如第一轮询问症状性质，第二轮问症状持续的时间，询问完全部问题以后在最后一轮给出总结回复，注意最后一轮结论一定要添加"体检自查结论："。
[0094] 总结回复格式示例如下：
[0095] 体检自查结论：
[0096] 风险等级变化：
[0097] **甲状腺体积缩小**：定期复查‑>立即就诊
[0098] 新增风险：
[0099] **甲状腺功能减退症**：立即就诊
[0100] 分析结论：
[0101] 根据您的体检报告和对话信息，综合考虑，您的症状确实有可能与甲状腺体积缩小导致甲状腺功能减退有关，甚至可能已经引起了一些低能量代谢的症状。
[0102] 建议您及时前往内分泌科就诊，根据医生的建议明确诊断后积极治疗。
[0103] 三、获取有效信息后结合患者个人信息(性别、年龄等)需要给出最可能的疾病或疾病大类，并给出目前的严重程度是否需要就诊，并告知给出是否需要就诊的原因。
[0104] 回复中不出现体检报告中已有的饮食、运动以及其他进一步检查项目等建议。
[0105] 四、需要根据临床指向性从合适的问诊方向切入，不能询问与临床意义无关联或关联小的方向，问诊还需要考虑到患者的年龄、性别等个性化信息，问诊方向包括但不局限于以下：
[0106] 1.针对可能存在的症状问诊，可从症状诱因、性质、持续时间、伴随症状、既往病史、是否就医治疗、缓解方式、加重因素等方向询问；
[0107] 2.针对现病史、既往史或个人史询问，可从基础疾病、既往检查情况、既往或当前治疗方案(如用药、放化疗、透析等)、个人生活方式、烟酒情况、过敏史、免疫接种史、家族遗传史等方向询问。
[0108] 3.问诊需要切合实际，尽量口语化、通俗化。
[0109] 以下为体检报告文本：XXXX。
[0110] 基于上述任一实施例，图4是本发明提供的体检报告解读方法中步骤130的实施方式的流程示意图，如图4所示，步骤130包括：
[0111] 步骤131、将当前问题文本发送至终端，以使终端返回当前问题文本的当前答案文本；
[0112] 步骤132、将当前答案文本输入至大型语言模型，得到大型语言模型输出的下一问题文本，并将下一问题文本作为当前问题文本，直至按照问题约束条件生成所有问题文本。
[0113] 具体地，在步骤131中，将当前问题文本发送至终端，并从终端获取当前问题文本的当前答案文本。此处的终端可以是一个智能助手、搜索引擎或其他能够提供答案的系统，此处的当前答案文本可以是用户输入终端的，也可以是终端从用户的历史身体状态信息中提取的，本发明实施例对此不作具体限定。
[0114] 在步骤132中，将当前答案文本输入至大型语言模型，以获得下一问题文本。此处的大型语言模型可以理解为是一种能够理解和分析文本的模型，它可以根据给定的答案文本生成与之相关的问题文本。通过将当前答案文本作为输入，大型语言模型可以生成一个新的问题文本(即下一问题文本)，该问题文本可能与当前答案文本有关或是在当前答案文本的基础上进一步探索相关问题。其中，步骤131和步骤132过程可以重复执行，直到生成所有满足问题约束条件的问题文本为止。
[0115] 以下为终端与大型语言模型进行多轮问答交互的示例：
[0116] 终端：***(具体内容可能涉及隐私，格式如上)
[0117] 大型语言模型：根据您的体检报告，看到您的甲状腺体积缩小，这可能是由于慢性淋巴细胞性甲状腺炎或者先天性甲状腺腺发育不全，如果不及时进行治疗，可能会进一步导致甲状腺功能低下，影响您的身体代谢，甚至影响心脏功能。想要了解一下，您最近有没有感觉体重增加或者减少、疲劳、口干或者手脚冰冷的症状？
[0118] 终端：我最近感觉有点疲劳，有时候手脚也冰冷，体重倒是没有明显的变化。
[0119] 大型语言模型：我了解了。疲劳和手脚冰冷可能是由于甲状腺功能减退导致的低能量代谢的症状。那您心跳有没有感觉不齐，比如快速跳动或者跳动缓慢？
[0120] 终端：没有注意过这个，应该是正常的。
[0121] 大型语言模型：那您感觉有没有发冷容易，对热不耐或者寒冷恶感？有没有皮肤干涩或者出现脱发情况？
[0122] 终端：寒冷恶感是有点，特别是早上起床的时候。但是没有发现什么明显的皮肤干燥脱发情况
[0123] 大型语言模型：了解了，这些都是体温调节障碍的症状，可能与甲状腺功能降低有关。请问您近期有没有情绪低落，记忆力或者专注力下降的问题？
[0124] 终端：情绪倒是还好，只是由于最近每天都有些疲劳，所以精神上会感觉有些萎靡，记忆力和专注力的话我感觉是正常的。
[0125] 大型语言模型：体检自查结论：
[0126] 风险等级变化：
[0127] **甲状腺体积缩小**：定期复查‑>立即就诊
[0128] 新增风险：
[0129] **甲状腺功能减退症**：立即就诊
[0130] 分析结论：
[0131] 根据您的体检报告和对话信息，综合考虑，您的症状确实有可能与甲状腺体积缩小导致甲状腺功能减退有关，甚至可能已经引起了一些低能量代谢的症状。建议您及时前往内分泌科就诊，根据医生的建议明确诊断后积极治疗。
[0132] 在上述多轮问答对话中，可以看出大型语言模型起着提问的主导作用，针对关键性问题进行提问，通过用户症状判断用户是否需要更改内容。然后在结论段中，如果根据多轮问答对话发现有相应风险和症状严重程度变化，便会更新相应解读内容。也就是说，大型语言模型能够进一步解答体检报告文本中的健康隐患，该健康隐患是无法通过体检报告文本中所显示的内容判断得出的。
[0133] 在得到多轮问答对应的答案文本后，将体检报告、多轮问答对应的问题文本和答案文本输入至大型语言模型，由大型语言模型基于问题文本和答案文本提供的辅助信息对体检报告进行解读，得到解读文本。
[0134] 可选地，还可以在将体检报告、多轮问答对应的问题文本和答案文本输入至大型语言模型时，同时将用于描述解读思路的解读提示语文本输入至大型语言模型，以指导大型语言模型基于问题文本和答案文本提供的辅助信息对体检报告进行解读，准确得到解读文本。其中，解读提示语文本示例如下：
[0135] 以下是一份体检报告文本中某个异常项及其原始解读结果(体检报告)和一通多轮对话，请基于多轮对话，给我一份该异常项最新的解读文本。
[0136] 输出格式按照json格式，输出模板如下：
[0137] /*
[0138] 关于“疾病风险”说明如下：
[0139] 只需要给我多轮对话中体现的新增疾病风险，原始异常项疾病风险无需生成，如果没有新增风险则为空。
[0140] 关于“异常项”说明如下：
[0141] 与我给你的异常项保持一致。
[0142] 关于“风险级别”的说明如下：
[0143] 基于多轮对话的结果，根据临床经验及医学知识判断异常项属于以下哪一种风险级别：请就诊、待复查、需关注。
[0144] 请就诊：需立刻就诊，不去可能会导致病情延误的，这一部分的标准可以严一些；
[0145] 待复查：没有达到需尽快就诊的程度，但需要定期前往医院复查的(目前没有大的问题，但后期需要持续监测，以防报告显示结果恶化或者加重，如果一旦出现结果恶化/加重，需要立刻去医院就诊的)。
[0146] 需关注：患者通过改变饮食，加强锻炼，改善生活习惯等，就可缓解或者是恢复正常(检验指标项轻微偏离正常值的属于需关注，暂时不会影响生活，通过优化生活习惯、饮食等可以改善这一问题/指标结果的)。
[0147] 关于“为什么要xx”的说明如下：
[0148] 要求语言精炼、通俗易懂，使用普通患者都能看懂的描述，使用第一人称“您”。
[0149] 若异常项属于请就诊，则输出要求如下：包括以下四个方面：①多轮对话中患者提到的哪些症状/其他检查结果/既往史比较严重导致该异常项去就诊，②如果不去就诊可能会有什么危害及风险等③去医院就诊的目的，为了排除xx疾病可能/可能需要做xx辅助检查/确定治疗方案/...。
[0150] 若异常项属于待复查，则输出要求如下：需包括以下五点：①多轮对话中患者提到的哪些症状/其他检查结果/既往史导致该异常项目前处于待复查的状态②复查的项目有哪些(复查的项目尽量写的细一点，比如：异常项目是“腹部超声：肝囊肿”，复查项目你可以写“肝脏超声”)，③这些项目复查的意义，④复查时间，⑤如果不去复查可能会出现什么风险，⑥出现什么症状需要及时去医院就诊。注意：如果有多个需要复查项目，也是需要单个分开写。
[0151] 若异常项属于需关注，则输出要求如下：描述该异常结果代表的临床意义，且为什么该异常项目前不严重，且目前不用担心。
[0152] 关于“科室”的说明如下：
[0153] 若异常项属于请就诊，则输出要求如下：表述该异常项需就诊的科室，尽量到二级科室，多个科室之间用“、”连接。
[0154] 若异常项属于待复查，则输出要求如下：表述该异常项复查时需就诊的科室，尽量到二级科室，多个科室之间用“、”连接。
[0155] 若异常项属于需关注，则不输出任何内容。
[0156] */
[0157] {
[0158] “疾病风险”:“xxx”,
[0159] “xxx”：//表示异常项是属于请就诊、待复查还是需关注
[0160] {
[0161] “xxx异常项”:
[0162] {
[0163] “为什么要xx”:“xxx”,//若异常项属于请就诊，则为什么要xx替换成“为什么要就诊”；若异常项属于待复查，则为什么要xx替换成“为什么要复查”；若异常项属于需关注，则为什么要xx替换成“临床意义”。
[0164] “xx科室”:“xxx”,//若异常项属于请就诊，则xx科室替换成“就诊科室”；若异常项属于待复查，则xx科室替换成“复查科室”；若异常项属于需关注，则xx科室替换成“生活指导”。
[0165] }
[0166] }
[0167] }
[0168] {个人信息}
[0169] #体检报告：
[0170] {体检报告内容}
[0171] #多轮对话：
[0172] {对话内容}
[0173] 基于上述任一实施例，确定体检报告，包括：
[0174] 接收终端发送的原始文本；
[0175] 将原始文本输入至大型语言模型，由大型语言模型解读原始文本中的关键信息，并基于关键信息生成体检报告。
[0176] 具体地，原始文本可以理解为初始待解读文本，该文本中既包括关键信息，也包括无关信息。为了能够进一步准确对原始文本中的关键信息进行解读，本发明实施例首先将原始文本输入至大型语言模型，由大型语言模型提取原始文本中的关键信息，并基于关键信息生成体检报告。换言之，体检报告用于表征对原始文本中的关键信息进行解读后的结果，从而大型语言模型后续能够基于体检报告准确得到最终的解读文本
[0177] 以下为体检报告示例：
[0178]
[0179]
[0180] 基于上述任一实施例，将体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到大型语言模型输出的体检报告的问题文本，包括：
[0181] 在检测到终端发送的体检报告解读指令的情况下，将体检报告以及提示语文本输入至大型语言模型，得到大型语言模型输出的体检报告的问题文本。
[0182] 可选地，在用户需要对体检报告进行进一步解读的情况下，会通过终端发送体检报告解读指令，在检测终端发送的体检报告解读指令的情况下，将体检报告以及提示语文本输入至大型语言模型，得到大型语言模型输出的体检报告的问题文本。
[0183] 下面对本发明提供的体检报告解读装置进行描述，下文描述的体检报告解读装置与上文描述的体检报告解读方法可相互对应参照。
[0184] 基于上述任一实施例，图5是本发明提供的体检报告解读装置的结构示意图，如图5所示，该装置包括：
[0185] 确定单元510，用于确定待解读的体检报告；
[0186] 生成单元520，用于将体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到大型语言模型输出的体检报告的问题文本；提示语文本用于描述体检报告的问题约束条件，问题文本用于问询用户既往史的身体状态信息；
[0187] 发送单元530，用于将问题文本发送至终端，以使终端返回问题文本的答案文本；
[0188] 解读单元540，用于将体检报告、问题文本以及答案文本输入至大型语言模型，得到大型语言模型输出的体检报告的解读文本。
[0189] 基于上述任一实施例，提示语文本的确定步骤包括：
[0190] 基于体检报告，确定解读场景；
[0191] 基于解读场景，确定体检报告的问题约束条件；
[0192] 基于体检报告的问题约束条件，生成提示语文本。
[0193] 基于上述任一实施例，基于解读场景，确定体检报告的问题约束条件，包括：
[0194] 基于解读场景，确定解读目标以及解读范围；
[0195] 基于解读目标以及解读范围，确定体检报告的问题约束条件。
[0196] 基于上述任一实施例，问题约束条件包括类别约束、信息约束、结构约束以及长度约束中的至少一种。
[0197] 基于上述任一实施例，将问题文本发送至终端，以使终端返回问题文本的答案文本，包括：
[0198] 将当前问题文本发送至终端，以使终端返回当前问题文本的当前答案文本；
[0199] 将当前答案文本输入至大型语言模型，得到大型语言模型输出的下一问题文本，并将下一问题文本作为当前问题文本，直至按照问题约束条件生成所有问题文本。
[0200] 基于上述任一实施例，确定体检报告，包括：
[0201] 接收终端发送的原始文本；
[0202] 将原始文本输入至大型语言模型，由大型语言模型解读原始文本中的关键信息，并基于关键信息生成体检报告。
[0203] 基于上述任一实施例，将体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到大型语言模型输出的体检报告的问题文本，包括：
[0204] 在检测到终端发送的体检报告解读指令的情况下，将体检报告以及提示语文本输入至大型语言模型，得到大型语言模型输出的体检报告的问题文本。
[0205] 图6是本发明提供的体检报告解读一体机的结构示意图，如图6所示，体检报告解读一体机可以包括：处理器(processor)610、存储器(memory)620、通信接口(Communications Interface)630和通信总线640，其中，处理器610，存储器620，通信接口630通过通信总线640完成相互间的通信。存储器620存储有用于体检报告解读的大型语言模型和可在所述处理器上运行的计算机程序。
[0206] 处理器610可以调用存储器620中的计算机程序，以执行体检报告解读方法，该方法包括：
[0207] 确定待解读的体检报告；
[0208] 将所述体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到所述大型语言模型输出的所述体检报告的问题文本；所述提示语文本用于描述所述体检报告的问题约束条件，所述问题文本用于问询用户既往史的身体状态信息；
[0209] 将所述问题文本发送至终端，以使所述终端返回所述问题文本的答案文本；
[0210] 将所述体检报告、所述问题文本以及所述答案文本输入至所述大型语言模型，得到所述大型语言模型输出的所述体检报告的解读文本。
[0211] 此处，体检报告解读一体机可以是私有化部署用于用于体检报告解读的大型语言模型的一体机。体检报告解读一体机内的存储器所存储的用于体检报告解读的大型语言模型和用于调用上述模型的计算机程序，可以是基于模型提供商处获取的计算机程序安装包或者更新包进行下载安装得到的，其中用于体检报告解读的大型语言模型可以以模型文件的形式置入安装包或者更新包中。
[0212] 此外，上述的存储器620中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM,Read‑Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0213] 另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的体检报告解读方法，该方法包括：
[0214] 确定待解读的体检报告；
[0215] 将所述体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到所述大型语言模型输出的所述体检报告的问题文本；所述提示语文本用于描述所述体检报告的问题约束条件，所述问题文本用于问询用户既往史的身体状态信息；
[0216] 将所述问题文本发送至终端，以使所述终端返回所述问题文本的答案文本；
[0217] 将所述体检报告、所述问题文本以及所述答案文本输入至所述大型语言模型，得到所述大型语言模型输出的所述体检报告的解读文本。
[0218] 又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的体检报告解读方法，该方法包括：
[0219] 确定待解读的体检报告；
[0220] 将所述体检报告以及提示语文本输入至用于体检报告解读的大型语言模型，得到所述大型语言模型输出的所述体检报告的问题文本；所述提示语文本用于描述所述体检报告的问题约束条件，所述问题文本用于问询用户既往史的身体状态信息；
[0221] 将所述问题文本发送至终端，以使所述终端返回所述问题文本的答案文本；
[0222] 将所述体检报告、所述问题文本以及所述答案文本输入至所述大型语言模型，得到所述大型语言模型输出的所述体检报告的解读文本。
[0223] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0224] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0225] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
