blandarebiter/yiliao
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
faaf2158d45f1715395d1007361b04ca0a912b83
yiliao/backend/health_assessment_v2.py

963 lines
34 KiB
Python
Raw Normal View History

初始化医疗报告生成项目，添加核心代码文件
2026-02-13 18:32:52 +08:00
"""
整体健康情况分析模块 V2
按照功能医学整体观重新设计的报告分析生成器
核心原则：
1. 功能医学整体观视角，聚焦"系统功能平衡""机能趋势预判"
2. 专业、客观、严谨的语言风格
3. 只呈现"指标状态→功能提示→关注方向"，不包含干预方案
"""
import json
import re
from typing import Dict, List, Any, Tuple
from docx.oxml import OxmlElement
from docx.oxml.ns import qn
# 系统分类映射：将模块映射到四大系统
SYSTEM_MAPPING = {
# (I) 血液学与炎症状态
'Hematology': [
'Complete Blood Count', # 血常规
'Blood Coagulation', # 凝血功能
'Inflammatory Reaction', # 炎症反应
],
# (II) 荷尔蒙与内分泌调节
'Endocrine': [
'Thyroid Function', # 甲状腺功能
'Female Hormone', # 女性荷尔蒙
'Male Hormone', # 男性荷尔蒙
'Bone Metabolism', # 骨代谢
],
# (III) 免疫学与感染风险
'Immunology': [
'Four Infectious Diseases', # 传染病四项
'Lymphocyte Subpopulation', # 淋巴细胞亚群
'Humoral Immunity', # 体液免疫
'Autoantibody', # 自身抗体
],
# (IV) 营养与代谢状况
'Metabolism': [
'Blood Sugar', # 血糖
'Lipid Profile', # 血脂
'Liver Function', # 肝功能
'Kidney Function', # 肾功能
'Serum Electrolytes', # 血电解质
'Microelement', # 微量元素
'Urine Test', # 尿液检测
'Myocardial Enzyme', # 心肌酶谱
'Thromboembolism', # 心脑血管风险因子
'Tumor Markers', # 肿瘤标记物
],
}
# 系统中英文名称
SYSTEM_NAMES = {
'Hematology': {
'en': '(I) Hematology and Inflammatory Status',
'cn': '（一）血液学与炎症状态'
},
'Endocrine': {
'en': '(II) Hormonal and Endocrine Regulation',
'cn': '（二）荷尔蒙与内分泌调节'
},
'Immunology': {
'en': '(III) Immunology and Infection Risk',
'cn': '（三）免疫学与感染风险'
},
'Metabolism': {
'en': '(IV) Nutrition and Metabolic Profile',
'cn': '（四）营养与代谢状况'
},
}
def get_system_for_module(module_name: str) -> str:
"""根据模块名称获取所属系统"""
for system, modules in SYSTEM_MAPPING.items():
if module_name in modules:
return system
# 默认归入代谢系统
return 'Metabolism'
def classify_items_by_system(matched_data: dict, config: dict = None) -> Dict[str, Dict[str, List]]:
"""
将所有检测项目按四大系统分类
Returns:
{
'Hematology': {
'normal': [...], # 正常指标
'abnormal': [...], # 异常指标
'borderline': [...] # 临界指标
},
...
}
"""
from config import load_abb_config, normalize_abb
if config is None:
config = load_abb_config()
abb_to_info = config.get('abb_to_info', {})
result = {
'Hematology': {'normal': [], 'abnormal': [], 'borderline': []},
'Endocrine': {'normal': [], 'abnormal': [], 'borderline': []},
'Immunology': {'normal': [], 'abnormal': [], 'borderline': []},
'Metabolism': {'normal': [], 'abnormal': [], 'borderline': []},
}
for abb, data in matched_data.items():
point = data.get('point', '').strip()
result_val = data.get('result', '').strip()
reference = data.get('reference', '').strip()
unit = data.get('unit', '').strip()
# 获取模块信息
normalized_abb = normalize_abb(abb, config)
info = abb_to_info.get(normalized_abb.upper(), {})
if not info:
info = abb_to_info.get(abb.upper(), {})
module = info.get('module', data.get('module', ''))
system = get_system_for_module(module)
# 获取中文名称
name = info.get('project_cn') or data.get('project_cn') or info.get('project') or data.get('project', abb)
item_info = {
'abb': abb,
'name': name,
'result': result_val,
'unit': unit,
'reference': reference,
'point': point,
'module': module,
'system': system
}
# 分类：正常、异常、临界
if point in ['↑', '↓', 'H', 'L', '高', '低']:
# 判断是否是临界值（接近参考范围边界）
is_borderline = _is_borderline_value(result_val, reference, point)
if is_borderline:
result[system]['borderline'].append(item_info)
else:
result[system]['abnormal'].append(item_info)
else:
# 正常指标
if result_val: # 只添加有结果的项目
result[system]['normal'].append(item_info)
return result
def _is_borderline_value(result: str, reference: str, point: str) -> bool:
"""
判断是否是临界值（偏离参考范围不超过10%）
"""
try:
result_num = float(re.sub(r'[^\d.]', '', result))
# 解析参考范围
ref_match = re.search(r'([\d.]+)\s*[-~]\s*([\d.]+)', reference)
if ref_match:
ref_low = float(ref_match.group(1))
ref_high = float(ref_match.group(2))
if point in ['↑', 'H', '高']:
# 偏高：检查是否超出上限不超过10%
if ref_high > 0:
deviation = (result_num - ref_high) / ref_high
return 0 < deviation <= 0.1
elif point in ['↓', 'L', '低']:
# 偏低：检查是否低于下限不超过10%
if ref_low > 0:
deviation = (ref_low - result_num) / ref_low
return 0 < deviation <= 0.1
except:
pass
return False
def collect_all_items_for_assessment(matched_data: dict, api_key: str = None) -> Tuple[List, List, Dict]:
"""
收集所有指标用于健康评估
Returns:
(normal_items, abnormal_items, system_classified_data)
"""
from config import load_abb_config, normalize_abb
config = load_abb_config()
abb_to_info = config.get('abb_to_info', {})
normal_items = []
abnormal_items = []
for abb, data in matched_data.items():
point = data.get('point', '').strip()
result_val = data.get('result', '').strip()
reference = data.get('reference', '').strip()
unit = data.get('unit', '').strip()
if not result_val:
continue
# 获取项目信息
normalized_abb = normalize_abb(abb, config)
info = abb_to_info.get(normalized_abb.upper(), {})
if not info:
info = abb_to_info.get(abb.upper(), {})
module = info.get('module', data.get('module', ''))
name = info.get('project_cn') or data.get('project_cn') or info.get('project') or data.get('project', abb)
item_info = {
'abb': abb,
'name': name,
'result': result_val,
'unit': unit,
'reference': reference,
'point': point,
'module': module,
'system': get_system_for_module(module)
}
if point in ['↑', '↓', 'H', 'L', '高', '低']:
abnormal_items.append(item_info)
else:
normal_items.append(item_info)
# 按系统分类
system_data = classify_items_by_system(matched_data, config)
return normal_items, abnormal_items, system_data
def build_assessment_prompt(normal_items: List, abnormal_items: List, system_data: Dict) -> str:
"""
构建整体健康情况分析的 Prompt（基于案例文档优化）
"""
# 构建正常指标描述
normal_desc = []
for item in normal_items[:30]:
desc = f" - {item['name']} ({item['abb']}): {item['result']}"
if item.get('unit'):
desc += f" {item['unit']}"
if item.get('reference'):
desc += f" [参考: {item['reference']}]"
normal_desc.append(desc)
# 构建异常指标描述（按系统分组）
abnormal_by_system = {}
for item in abnormal_items:
system = item.get('system', 'Metabolism')
if system not in abnormal_by_system:
abnormal_by_system[system] = []
direction = '偏高' if item['point'] in ['↑', 'H', '高'] else '偏低'
is_borderline = _is_borderline_value(item['result'], item.get('reference', ''), item['point'])
level = '临界' if is_borderline else '异常'
desc = f" - {item['name']} ({item['abb']}): {item['result']}"
if item.get('unit'):
desc += f" {item['unit']}"
desc += f" ({direction}, {level})"
if item.get('reference'):
desc += f" [参考: {item['reference']}]"
abnormal_by_system[system].append(desc)
# 构建系统分组的异常指标描述
system_abnormal_desc = []
for system_key, system_info in SYSTEM_NAMES.items():
items = abnormal_by_system.get(system_key, [])
if items:
system_abnormal_desc.append(f"\n【{system_info['cn']}】")
system_abnormal_desc.extend(items)
prompt = f"""# 角色设定
你是Be.U Med功能医学团队的资深医学顾问，在功能医学、整体健康、抗衰老医学领域具有丰富的临床经验。
# 任务
根据体检者的血液检查报告，撰写"整体健康情况分析"报告。
# 检测数据
## 正常指标（部分）
{chr(10).join(normal_desc) if normal_desc else ' 暂无数据'}
## 异常/临界指标（按系统分类）
{chr(10).join(system_abnormal_desc) if system_abnormal_desc else ' 暂无异常指标'}
# 核心原则（必须严格遵守）
## 1. 段落格式（极其重要！）
- **每个段落必须先写英文，再写对应的中文**
- **第一段：英文80-120词，中文80-120字**
- **第二段：英文80-100词，中文约120字（严格控制在110-130字之间）**
- 不要英中混排，必须分开
## 2. 语言风格
- 专业、客观、严谨，体现功能医学视角
- 使用"提示""可能""建议""值得关注""需要注意"等引导词
- 禁用"必须""一定""保证""治愈"等绝对化表述
- 不做临床疾病诊断，聚焦功能状态分析
## 3. 核心指标判定
- **核心指标**：从医学角度判定各生理学系统的关键指标
- **异常项**：超出参考范围的指标 + 逼近临界值的指标
- 指标必须精准，标注具体数值及单位
# 文章结构（必须严格遵循）
## 总述概述（2段）
**第一段**：前半部分列重点正常项及数值，后半部分列重点异常项及数值
**第二段**：说明这些异常指标对整体健康的综合影响
## 四大系统分析（固定顺序，每个系统2段）
### (I) Hematology and Inflammatory Status / （一）血液学与炎症状态
**第一段**：前半部分列该系统重点正常项及数值，后半部分列重点异常项及数值（含临界值）
**第二段**：说明该系统核心异常指标对其他生理系统的影响
### (II) Hormonal and Endocrine Regulation / （二）荷尔蒙与内分泌调节
**第一段**：前半部分列该系统重点正常项及数值，后半部分列重点异常项及数值（含临界值）
**第二段**：说明该系统核心异常指标对其他生理系统的影响
### (III) Immunology and Infection Risk / （三）免疫学与感染风险
**第一段**：前半部分列该系统重点正常项及数值，后半部分列重点异常项及数值（含临界值）
**第二段**：说明该系统核心异常指标对其他生理系统的影响
### (IV) Nutrition and Metabolic Profile / （四）营养与代谢状况
**第一段**：前半部分列该系统重点正常项及数值，后半部分列重点异常项及数值（含临界值）
**第二段**：说明该系统核心异常指标对其他生理系统的影响
## 结尾总结（2段）
**第一段 - 功能医学健康管理重点**：概括本次检测发现的核心健康管理重点
**第二段 - 个性化管理方向**：说明往哪个方向开展个性化健康管理
# 输出格式（JSON）
```json
{{
"overview": {{
"paragraph1": {{
"en": "英文（80-120词）：前半部分列重点正常项及数值，后半部分列重点异常项及数值...",
"cn": "中文（80-120字）：对应翻译..."
}},
"paragraph2": {{
"en": "英文（80-100词）：说明异常指标对整体健康的综合影响...",
"cn": "中文（约120字）：对应翻译..."
}}
}},
"systems": [
{{
"key": "Hematology",
"title_en": "(I) Hematology and Inflammatory Status",
"title_cn": "（一）血液学与炎症状态",
"paragraph1": {{
"en": "英文（80-120词）：前半部分列该系统重点正常项及数值，后半部分列重点异常项及数值...",
"cn": "中文（80-120字）：对应翻译..."
}},
"paragraph2": {{
"en": "英文（80-100词）：说明该系统核心异常指标对其他生理系统的影响...",
"cn": "中文（约120字）：对应翻译..."
}}
}},
{{
"key": "Endocrine",
"title_en": "(II) Hormonal and Endocrine Regulation",
"title_cn": "（二）荷尔蒙与内分泌调节",
"paragraph1": {{}},
"paragraph2": {{}}
}},
{{
"key": "Immunology",
"title_en": "(III) Immunology and Infection Risk",
"title_cn": "（三）免疫学与感染风险",
"paragraph1": {{}},
"paragraph2": {{}}
}},
{{
"key": "Metabolism",
"title_en": "(IV) Nutrition and Metabolic Profile",
"title_cn": "（四）营养与代谢状况",
"paragraph1": {{}},
"paragraph2": {{}}
}}
],
"conclusion": {{
"management_focus": {{
"en": "英文（80-120词）：功能医学健康管理重点概括...",
"cn": "中文（80-120字）：对应翻译..."
}},
"personalized_direction": {{
"en": "英文（80-120词）：个性化管理方向说明...",
"cn": "中文（80-120字）：对应翻译..."
}}
}}
}}
```
# 重要提示
1. **每个段落必须先英文后中文，不要混排**
2. **第一段：英文80-120词，中文80-120字**
3. **第二段：英文80-100词，中文约120字（严格控制在110-130字）**
4. **第一段结构：前半部分正常项+数值，后半部分异常项+数值**
5. **第二段结构：异常指标对其他系统的影响**
6. **结尾两段：功能医学管理重点 + 个性化管理方向**
7. **逼近临界值的指标也算作异常项**
8. **只返回JSON，不要其他内容**"""
return prompt
def generate_health_assessment_v2(matched_data: dict, api_key: str, call_deepseek_api) -> dict:
"""
生成整体健康情况分析内容（V2版本）
Args:
matched_data: 匹配的检测数据
api_key: DeepSeek API Key
call_deepseek_api: API调用函数
Returns:
包含整体分析和系统分析的字典
"""
if not api_key:
print(" ⚠️ 未提供API Key，跳过健康评估生成")
return {}
# 收集所有指标
normal_items, abnormal_items, system_data = collect_all_items_for_assessment(matched_data)
if not normal_items and not abnormal_items:
print(" ⚠️ 没有检测数据，跳过健康评估生成")
return {}
print(f" 📊 数据统计: 正常指标 {len(normal_items)} 个, 异常指标 {len(abnormal_items)} 个")
# 构建prompt
prompt = build_assessment_prompt(normal_items, abnormal_items, system_data)
def parse_json_response(response_text):
"""解析JSON响应"""
# 提取JSON部分
if '```json' in response_text:
response_text = response_text.split('```json')[1].split('```')[0]
elif '```' in response_text:
response_text = response_text.split('```')[1].split('```')[0]
response_text = response_text.strip()
try:
return json.loads(response_text)
except json.JSONDecodeError:
pass
# 尝试修复常见问题
if response_text.count('"') % 2 != 0:
response_text += '"'
open_braces = response_text.count('{') - response_text.count('}')
open_brackets = response_text.count('[') - response_text.count(']')
if open_brackets > 0:
if open_braces > 0:
response_text += '}' * open_braces
response_text += ']' * open_brackets
elif open_braces > 0:
response_text += '}' * open_braces
try:
return json.loads(response_text)
except json.JSONDecodeError:
return None
# 最多重试3次
for attempt in range(3):
try:
print(f" 🤖 调用DeepSeek生成整体健康分析... (第{attempt+1}次)")
response = call_deepseek_api(prompt, api_key, max_tokens=6000, timeout=180)
if response is None:
if attempt < 2:
print(f" ⚠️ API请求失败，重试中...")
import time
time.sleep(3)
continue
result = parse_json_response(response)
# 检查新格式（overview, systems）或旧格式（overall_analysis, system_analysis）
if result and (result.get('overview') or result.get('systems') or
result.get('overall_analysis') or result.get('system_analysis')):
print(f" ✓ 成功生成整体健康分析")
return result
if attempt < 2:
print(f" ⚠️ 响应格式不完整，重试中...")
except Exception as e:
if attempt < 2:
print(f" ⚠️ 生成失败: {e}，重试中...")
print(f" ✗ 生成整体健康分析失败")
return {}
def convert_v2_to_sections_format(v2_result: dict) -> dict:
"""
将V2格式转换为原有的sections格式，以便复用现有的填充函数
新格式：overview{paragraph1, paragraph2}, systems[], conclusion{management_focus, personalized_direction}
"""
sections = []
# 1. 总述部分（2段，不需要标题）
overview = v2_result.get('overview', {})
if overview:
paragraphs = []
# 第一段：正常项+异常项
para1 = overview.get('paragraph1', {})
if para1.get('en') or para1.get('cn'):
paragraphs.append({
'en': para1.get('en', ''),
'cn': para1.get('cn', '')
})
# 第二段：异常指标对整体健康的影响
para2 = overview.get('paragraph2', {})
if para2.get('en') or para2.get('cn'):
paragraphs.append({
'en': para2.get('en', ''),
'cn': para2.get('cn', '')
})
if paragraphs:
sections.append({
'title_en': '',
'title_cn': '',
'paragraphs': paragraphs,
'is_overview': True
})
# 2. 四大系统分析
systems = v2_result.get('systems', [])
for system in systems:
paragraphs = []
# 第一段：正常项+异常项
para1 = system.get('paragraph1', {})
if para1.get('en') or para1.get('cn'):
paragraphs.append({
'en': para1.get('en', ''),
'cn': para1.get('cn', '')
})
# 第二段：异常指标对其他系统的影响
para2 = system.get('paragraph2', {})
if para2.get('en') or para2.get('cn'):
paragraphs.append({
'en': para2.get('en', ''),
'cn': para2.get('cn', '')
})
# 兼容旧格式（paragraphs数组）
if not paragraphs and system.get('paragraphs'):
for para in system.get('paragraphs', []):
if para.get('en') or para.get('cn'):
paragraphs.append({
'en': para.get('en', ''),
'cn': para.get('cn', '')
})
if paragraphs:
sections.append({
'title_en': system.get('title_en', ''),
'title_cn': system.get('title_cn', ''),
'paragraphs': paragraphs
})
# 3. 结尾总结（2段）
conclusion = v2_result.get('conclusion', {})
if conclusion:
paragraphs = []
# 第一段：功能医学健康管理重点
mgmt_focus = conclusion.get('management_focus', {})
if mgmt_focus.get('en') or mgmt_focus.get('cn'):
paragraphs.append({
'en': mgmt_focus.get('en', ''),
'cn': mgmt_focus.get('cn', '')
})
# 第二段：个性化管理方向
pers_dir = conclusion.get('personalized_direction', {})
if pers_dir.get('en') or pers_dir.get('cn'):
paragraphs.append({
'en': pers_dir.get('en', ''),
'cn': pers_dir.get('cn', '')
})
# 兼容旧格式（直接en/cn）
if not paragraphs and (conclusion.get('en') or conclusion.get('cn')):
paragraphs.append({
'en': conclusion.get('en', ''),
'cn': conclusion.get('cn', '')
})
if paragraphs:
sections.append({
'title_en': '',
'title_cn': '',
'paragraphs': paragraphs,
'is_conclusion': True
})
# 兼容旧格式（overall_analysis, system_analysis[]）
if not sections:
overall = v2_result.get('overall_analysis', {})
if overall:
paragraphs = []
summary = overall.get('summary', {})
if summary.get('en') or summary.get('cn'):
paragraphs.append({'en': summary.get('en', ''), 'cn': summary.get('cn', '')})
strength = overall.get('strength_indicators', {})
if strength.get('en') or strength.get('cn'):
paragraphs.append({'en': strength.get('en', ''), 'cn': strength.get('cn', '')})
abnormal = overall.get('abnormal_indicators', {})
if abnormal.get('en') or abnormal.get('cn'):
paragraphs.append({'en': abnormal.get('en', ''), 'cn': abnormal.get('cn', '')})
focus = overall.get('focus_direction', {})
if focus.get('en') or focus.get('cn'):
paragraphs.append({'en': focus.get('en', ''), 'cn': focus.get('cn', '')})
if paragraphs:
sections.append({
'title_en': overall.get('title_en', ''),
'title_cn': overall.get('title_cn', ''),
'paragraphs': paragraphs
})
system_analysis = v2_result.get('system_analysis', [])
for system in system_analysis:
paragraphs = []
for key in ['summary', 'strength_indicators', 'abnormal_indicators', 'focus_direction']:
item = system.get(key, {})
if item.get('en') or item.get('cn'):
paragraphs.append({'en': item.get('en', ''), 'cn': item.get('cn', '')})
if paragraphs:
sections.append({
'title_en': system.get('title_en', ''),
'title_cn': system.get('title_cn', ''),
'paragraphs': paragraphs
})
return {'sections': sections}
# ============================================================
# 文档填充函数
# ============================================================
def clean_markdown_formatting(text: str) -> str:
"""清理文本中的Markdown格式标记"""
if not text:
return text
text = re.sub(r'\*\*([^*]+)\*\*', r'\1', text)
text = re.sub(r'__([^_]+)__', r'\1', text)
text = re.sub(r'(?<!\*)\*([^*]+)\*(?!\*)', r'\1', text)
text = re.sub(r'(?<!_)_([^_]+)_(?!_)', r'\1', text)
text = re.sub(r'`([^`]+)`', r'\1', text)
return text
def create_formatted_paragraph_v2(text: str, is_title: bool = False, is_chinese: bool = False):
"""创建带格式的段落（无缩进）"""
text = clean_markdown_formatting(text)
p = OxmlElement('w:p')
pPr = OxmlElement('w:pPr')
# 设置段落样式
pStyle = OxmlElement('w:pStyle')
if is_chinese:
pStyle.set(qn('w:val'), '0') # 0中文正文样式
else:
pStyle.set(qn('w:val'), '00') # 0英语正文样式
pPr.append(pStyle)
# 显式清除所有缩进（覆盖样式中的默认缩进）
ind = OxmlElement('w:ind')
ind.set(qn('w:left'), '0')
ind.set(qn('w:right'), '0')
ind.set(qn('w:firstLine'), '0')
pPr.append(ind)
if is_title:
rPr_para = OxmlElement('w:rPr')
b = OxmlElement('w:b')
rPr_para.append(b)
bCs = OxmlElement('w:bCs')
rPr_para.append(bCs)
pPr.append(rPr_para)
p.append(pPr)
r = OxmlElement('w:r')
rPr = OxmlElement('w:rPr')
if is_title:
b = OxmlElement('w:b')
rPr.append(b)
bCs = OxmlElement('w:bCs')
rPr.append(bCs)
color = OxmlElement('w:color')
if is_chinese:
color.set(qn('w:val'), '000000')
else:
color.set(qn('w:val'), '767171')
color.set(qn('w:themeColor'), 'background2')
color.set(qn('w:themeShade'), '80')
rPr.append(color)
r.append(rPr)
t = OxmlElement('w:t')
t.set('{http://www.w3.org/XML/1998/namespace}space', 'preserve')
t.text = text
r.append(t)
p.append(r)
return p
def create_empty_paragraph_v2():
"""创建空段落（无缩进）"""
p = OxmlElement('w:p')
pPr = OxmlElement('w:pPr')
pStyle = OxmlElement('w:pStyle')
pStyle.set(qn('w:val'), '00')
pPr.append(pStyle)
# 显式清除所有缩进
ind = OxmlElement('w:ind')
ind.set(qn('w:left'), '0')
ind.set(qn('w:right'), '0')
ind.set(qn('w:firstLine'), '0')
pPr.append(ind)
p.append(pPr)
return p
def create_section_title_two_lines_v2(title_en: str, title_cn: str):
"""创建两行的模块标题（只创建非空的标题）"""
result = []
if title_en and title_en.strip():
p_en = create_formatted_paragraph_v2(title_en, is_title=True, is_chinese=False)
result.append(p_en)
if title_cn and title_cn.strip():
p_cn = create_formatted_paragraph_v2(title_cn, is_title=True, is_chinese=True)
result.append(p_cn)
return result
def fill_health_assessment_v2(doc, assessment_result: dict):
"""
将V2版本的健康评估内容填充到文档
Args:
doc: Word文档对象
assessment_result: generate_health_assessment_v2 返回的结果
"""
if not assessment_result:
print(" 健康评估内容为空，跳过填充")
return
# 转换为sections格式
sections_data = convert_v2_to_sections_format(assessment_result)
sections = sections_data.get('sections', [])
if not sections:
print(" 转换后的sections为空，跳过填充")
return
body = doc.element.body
children = list(body)
# 查找 "Overall Health Assessment" 位置
overall_start = -1
for i, elem in enumerate(children):
text = ''.join(elem.itertext()).strip().lower()
if 'overall health' in text and 'assessment' in text:
overall_start = i
print(f" 找到Overall Health Assessment位置: {i}")
break
if overall_start < 0:
print(" 未找到Overall Health Assessment位置")
return
# 找到下一个主要区域的位置
next_section_pos = len(children)
end_keywords = ['medical intervention', '医学干预',
'functional medical health advice', '功能医学健康建议']
for i in range(overall_start + 1, len(children)):
text = ''.join(children[i].itertext()).strip().lower()
if any(kw in text for kw in end_keywords):
next_section_pos = i
print(f" 找到下一区域位置: {i}")
break
# 删除标题之后、下一区域之前的所有模板内容
children = list(body)
elements_to_remove = []
for i in range(overall_start + 1, min(next_section_pos, len(children))):
elem = children[i]
if elem.tag.endswith('}sectPr'):
continue
br_elem = elem.find('.//{http://schemas.openxmlformats.org/wordprocessingml/2006/main}br')
if br_elem is not None:
break_type = br_elem.get('{http://schemas.openxmlformats.org/wordprocessingml/2006/main}type')
if break_type == 'page':
continue
elements_to_remove.append(elem)
for elem in elements_to_remove:
try:
body.remove(elem)
except:
pass
if elements_to_remove:
print(f" 已删除 {len(elements_to_remove)} 个模板占位内容")
# 重新获取位置
children = list(body)
insert_pos = -1
for i, elem in enumerate(children):
text = ''.join(elem.itertext()).strip().lower()
if 'overall health' in text and 'assessment' in text:
insert_pos = i + 1
break
if insert_pos < 0:
print(" 无法确定插入位置")
return
# 插入新生成的内容
for idx, section in enumerate(sections):
title_en = section.get('title_en', '').strip()
title_cn = section.get('title_cn', '').strip()
paragraphs = section.get('paragraphs', [])
is_overview = section.get('is_overview', False)
is_conclusion = section.get('is_conclusion', False)
# 只在有标题的模块前插入空段落（总述和结尾没有标题，不需要空段落）
if idx > 0 and (title_en or title_cn):
empty_p = create_empty_paragraph_v2()
body.insert(insert_pos, empty_p)
insert_pos += 1
# 小节标题（只有当标题不为空时才插入）
if title_en or title_cn:
title_paragraphs = create_section_title_two_lines_v2(title_en, title_cn)
for title_p in title_paragraphs:
body.insert(insert_pos, title_p)
insert_pos += 1
# 段落内容
for para in paragraphs:
en_text = para.get('en', '')
if en_text:
p_en = create_formatted_paragraph_v2(en_text, is_chinese=False)
body.insert(insert_pos, p_en)
insert_pos += 1
cn_text = para.get('cn', '')
if cn_text:
p_cn = create_formatted_paragraph_v2(cn_text, is_chinese=True)
body.insert(insert_pos, p_cn)
insert_pos += 1
print(f" ✓ 已插入 {len(sections)} 个健康评估小节")
# ============================================================
# 主入口函数
# ============================================================
def generate_and_fill_health_assessment_v2(doc, matched_data: dict, api_key: str, call_deepseek_api):
"""
生成并填充整体健康情况分析（V2版本）
这是主入口函数，替代原有的 generate_health_assessment_content + fill_health_assessment_section
"""
if not api_key:
print(" ⚠️ 未提供DeepSeek API Key，跳过健康评估生成")
return None
print("\n" + "=" * 60)
print("整体健康情况分析 V2")
print("=" * 60)
# 生成内容
assessment_result = generate_health_assessment_v2(matched_data, api_key, call_deepseek_api)
if assessment_result:
# 填充到文档
print("\n 📝 正在填充健康评估内容...")
fill_health_assessment_v2(doc, assessment_result)
print(" ✓ 整体健康情况分析完成")
else:
print(" ✗ 健康评估生成失败")
return assessment_result
# ============================================================
# 测试函数
# ============================================================
if __name__ == '__main__':
# 测试prompt构建
test_normal = [
{'abb': 'WBC', 'name': '白细胞计数', 'result': '6.5', 'unit': '10^9/L', 'reference': '4.0-10.0', 'system': 'Hematology'},
{'abb': 'RBC', 'name': '红细胞计数', 'result': '4.8', 'unit': '10^12/L', 'reference': '4.0-5.5', 'system': 'Hematology'},
]
test_abnormal = [
{'abb': 'TSH', 'name': '促甲状腺激素', 'result': '16.879', 'unit': 'μIU/mL', 'reference': '0.35-4.94', 'point': '↑', 'system': 'Endocrine'},
{'abb': 'AMH', 'name': '抗缪勒管激素', 'result': '0.17', 'unit': 'ng/mL', 'reference': '1.0-10.0', 'point': '↓', 'system': 'Endocrine'},
]
test_system_data = {
'Hematology': {'normal': test_normal, 'abnormal': [], 'borderline': []},
'Endocrine': {'normal': [], 'abnormal': test_abnormal, 'borderline': []},
'Immunology': {'normal': [], 'abnormal': [], 'borderline': []},
'Metabolism': {'normal': [], 'abnormal': [], 'borderline': []},
}
prompt = build_assessment_prompt(test_normal, test_abnormal, test_system_data)
print("=" * 60)
print("生成的Prompt预览（前2000字符）:")
print("=" * 60)
print(prompt[:2000])
print("...")
Reference in New Issue Copy Permalink