医疗实体提取器

从非结构化患者消息中提取结构化医疗信息。

此技能的功能

1. 症状提取：识别症状、严重程度、持续时间和进展
2. 药物提取：查找药物名称、剂量、频率和副作用
3. 化验值提取：解析化验结果、生命体征和测量值
4. 诊断提取：识别提到的诊断和病症
5. 时间信息提取：捕获症状开始时间以及持续时间
6. 行动项：识别请求的行动（预约、续药、问题）

输入格式

[
  {
    "id": "msg-123",
    "priority_score": 78,
    "priority_bucket": "P1",
    "subject": "Medication side effects",
    "from": "patient@example.com",
    "date": "2026-02-27T10:30:00Z",
    "body": "I've been feeling dizzy since starting the new blood pressure medication (Lisinopril 10mg) three days ago. My BP this morning was 145/92."
  }
]

输出格式

[
  {
    "id": "msg-123",
    "entities": {
      "symptoms": [
        {
          "name": "dizziness",
          "severity": "moderate",
          "duration": "3 days",
          "onset": "since starting new medication"
        }
      ],
      "medications": [
        {
          "name": "Lisinopril",
          "dosage": "10mg",
          "frequency": null,
          "context": "new medication"
        }
      ],
      "lab_values": [
        {
          "type": "blood_pressure",
          "value": "145/92",
          "unit": "mmHg",
          "timestamp": "this morning"
        }
      ],
      "diagnoses": [
        {
          "name": "hypertension",
          "context": "implied by blood pressure medication"
        }
      ],
      "action_items": [
        {
          "type": "medication_review",
          "reason": "possible side effect (dizziness)"
        }
      ]
    },
    "summary": "Patient reports dizziness after starting Lisinopril 10mg 3 days ago. BP elevated at 145/92. Possible medication side effect requiring review."
  }
]

实体类型

症状

• 名称、严重程度（mild/moderate/severe）、持续时间、发作、进展（improving/stable/worsening）

药物

• 名称、剂量、频率、途径、上下文（new/existing/stopped）

化验值

• 类型（BP、glucose、cholesterol 等）、值、单位、时间戳、正常范围

诊断

• 名称、上下文（confirmed/suspected/ruled out）

生命体征

• 体温、心率、呼吸频率、血氧饱和度、血压

行动项

• 类型（appointment、refill、question、callback）、紧急程度、原因

医学术语处理

该技能可识别：

• 常见缩写（BP、HR、RR、O2 sat 等）
• 品牌药和通用药名称
• 医学病症的通俗术语（"sugar" → diabetes，"heart attack" → MI）
• 时间表达（"since yesterday"、"for the past week"）

集成

该技能可通过 OpenClaw CLI 调用：

openclaw skill run medical-entity-extractor --input '[{"id":"msg-1","priority_score":78,...}]' --json

或编程方式：

const result = await execFileAsync('openclaw', [
  'skill', 'run', 'medical-entity-extractor',
  '--input', JSON.stringify(scoredMessages),
  '--json'
]);

推荐模型：Claude Sonnet 4.5 (openclaw models set anthropic/claude-sonnet-4-5)

隐私与安全

• 所有处理均通过 OpenClaw 在本地完成
• 不会向外部服务发送数据（除用于 LLM 处理的 Claude API 外）
• 提取出的实体保留在本地环境中