一份精神科病历需求说明提出了患者、就诊、病程、检验、影像、用药与专科风险量表等关联表。它的价值不在表的数量，而在于把症状、临床判断、干预与后续状态重新放回时间轴，为精神科模型训练和可核验评测提供数据工程起点。
本文基于《精神科病历数据需求文件》所描述的业务需求进行方法学分析，并结合公开研究提出数据建设与评测建议。附件中的规格、样例和采购安排不代表朗慧已持有相应数据、已完成该规模交付或已验证模型性能；文中不披露患者级信息。
精神科模型面对的不是静态问答
精神科诊疗包含主诉与现病史、精神检查、既往史、病程变化、量表、药物医嘱、会诊意见、出院计划等多种信息。若训练数据把每位患者压缩成一段“病情摘要”，模型很容易学到诊断名称与典型描述的共现，却看不见判断形成的过程：某项症状何时出现，评估依据是什么，医生何时调整治疗，患者状态是否发生改变。病历价值因此并非字数多少，而是能否保留临床事件之间的语义、时间和来源关系。
附件把一次住院首页、入院记录、首次病程、逐条病程、阶段小结、会诊、出院记录、检验、影像、药品医嘱以及暴力攻击和自伤自杀风险评估区分开来。对于工程团队，这相当于先给出领域数据模型的骨架：文书不是“患者标签”，检验指标也不是“病例一行”。如果把不同粒度的记录硬拼为宽表，病程记录可能重复复制，多个诊断与药物容易错配，模型学习到的关联也会失真。
先把12张表连成正确的临床事件
患者编号、就诊号和文档编号承担不同层级的连接职责。患者编号跨就诊连接同一患者；就诊号定位一次住院；文档编号则区分同次住院里的不同文书。检验需要报告编号及逐项指标，药品医嘱需有自己的医嘱标识和起止时间。看似普通的键设计，实际决定了模型能否区分“患者长期特征”“本次住院状态”和“医生在某一时点所见”。
较稳妥的数据工程不是先把12张表做成一份训练 CSV，而是先建立实体关系、字段字典和时间语义，再生成面向任务的样本视图。比如一条预测样本可以使用患者既往情况和截止时点前已产生的病程、检查、量表；其后的出院诊断、后续医嘱或风险处置只作为目标或评估证据，不进入输入。每次转换都要记录源表、源记录编号、时间窗口、规则版本和异常处理结果，让算法团队能够追溯一个模型输入由哪些真实记录组成。
表结构必须服从训练任务，而非为了“结构化”而结构化
精神科数据可以支持多类研发任务，但不同任务需要的样本定义并不相同。继续预训练适合学习专业语料和文书表达；监督微调需要明确的问题、输入边界和专家审核目标；信息抽取要把症状、诊断、药物、时间、否定与不确定性解析成有定义的字段；临床过程摘要要求保留重要变化与证据出处；纵向预测则必须定义预测起点、预测窗口、结果事件和可用特征。把所有内容统称为“精神科大模型数据”，会掩盖每类数据真正的训练目标。
同一段病程文字，可能同时包含患者原话、医生观察、推断、计划和模板内容。抽取标签时，需明确主体与来源：是患者自述，还是医生记录；是当时观察到，还是回顾性概括；“否认”是否作为阴性证据；“考虑”是否属于未确诊判断；药品名称、剂量、开始时间与停药时间能否闭合。标注方案应支持不确定、信息缺失、未评估和不适用等状态，而不是把空白统一填成“无”。对生成任务，也应要求模型区分事实陈述、可能解释与信息不足，避免把病历没有写的内容补成确定结论。
时间轴是纵向病历的核心标签
精神科护理与风险评估常按住院过程重复记录。模型若只获得最终的最高风险分值，就无法判断当时风险如何变化；若能把评估时间、量表条目、评分、处置措施与后续观察按同一就诊串联，则可以研究不同时间点的记录完整性、提示规则或工作流支持能力。这里要谨慎区分“记录发生”与“事件实际发生”：评估时间不必然等于症状开始时间，系统更新时间也不一定是医生书写时间。
因此，建议对每个字段登记事件时间、记录时间、抽取时间与可能的修订时间；遇到时间冲突保留源值并进入异常清单，不能为了模型训练而静默调整。入院、病程、量表、检验、用药、会诊和出院事件还可映射成有向时间图，记录“先于”“回应于”“伴随”等关系。这样的事件图支持按临床决策时点重放病例，也便于定位模型是否利用了未来信息。对纵向研究而言，数据完整性本身就是评测维度，而不是只在交付后看一个缺失率。
临床参考标准要能说明“答案从哪里来”
精神科的诊断与处置通常依赖多项证据，不能把出院诊断直接当成所有任务的唯一金标准。研究目标不同，参考标准也不同：诊断编码核对可以依据经过审核的病案记录；风险评估任务应先规定要预测的事件、观察时窗与判定来源；药物变化抽取应以医嘱及其有效时间为依据；治疗建议评价则需要具备相关资质的临床专家，按照预先制定的审阅量表判断。专家的专业背景、评审角色、指南版本、分歧仲裁与置信程度均应记录。
建议采用“指南与操作手册—专家校准—独立双标—分层审核—争议仲裁—版本发布”的生产闭环。不能仅用一个一致性系数概括质量，而要按任务、诊断类别、文书类型和边界案例报告分歧分布。对于低一致性标签，先判断是概念定义含混、记录不足、合理临床差异还是标注培训问题；必要时保留多专家意见或不确定状态。把分歧完整留下来，可以构建模型的不确定性评测集，也能让专家团队持续修订标注协议。
质量控制应覆盖患者、就诊和文书三个层级
附件提出按患者为最小交付单元，并要求十二类数据通过患者编号、就诊号等保持一致。落地时需要拆成机器可执行的质量门禁：患者层检查映射稳定性、重复患者和跨就诊关联；就诊层检查入出院时间、诊断变更与关联表完整性；文书层检查必填字段、段落归属、时间格式、文本截断和来源标识；检验、影像与医嘱层再分别验证单位、报告编号、项目编码及时间顺序。检查结果需要回写到逐条问题清单，而不仅是批次平均质量分。
数据异常也要按性质分级。无法关联的孤立记录、患者映射冲突、关键日期倒置、来源授权缺失应作为阻断项；可解释的非关键字段缺失则按字段语义披露。多家医院的字段名称、科室词表、文书习惯不同，可建立可版本化的映射层，但不能丢掉原始值。评测交付时建议提供数据卡、字段字典、源表映射、缺失统计、去重策略、处理日志、标注版本与集合划分摘要，使模型使用者能够判断适用范围。
训练集与测试集必须按患者隔离
如果一个患者的住院记录、复诊记录或重复导出的文书同时进入训练和测试，模型可能记住病人的措辞、诊断组合甚至模板习惯，导致评测分数偏高。精神科纵向数据尤其容易发生这种泄漏，因为同一患者可能多次住院、同次住院又有多份彼此高度重复的文书。应先在患者层完成分组，再构建样本和切分集合；重复检测需要同时使用主键、文本指纹和近重复相似度，并人工审查高风险重复簇。
随机患者级留出仍不能证明模型适合其他医院。建议规划时间外验证和机构外验证，并按年龄段、性别、诊断大类、记录语言、文书完整度和医疗场景分析表现；亚组数量不足时，应明确报告不确定性，不应把不显著差异说成公平。对于纵向预测，测试输入必须截断在预测时点，之后发生的检查、处置与结局不得泄漏。冻结模型、预注册主要任务和评分规则后再打开测试，才有机会得到可复核的独立结果。
朗慧的前瞻：从需求规格走向可复用的数据产品
一份需求规格能为项目建立边界，却不能自动证明队列已经建成、数据已获授权或模型已取得效果。附件提出的量级属于需求口径，不等于朗慧已有库存或已完成交付。下一步应先确认数据来源与授权路径，再开展小规模字段探查和代表性样本评估；试点通过后再按批次建设。精神科资料属于高度敏感的健康信息，公开咨询表单不应接收任何可识别病历内容，访问控制、最小化、审计留痕和使用期限要在项目方案与合同中约定。
朗慧更有差异化的机会，是把数据工程、专家生产与评测方案串为一条可验收链：先定义算法任务卡，再把文书拆为可追溯事件；用精神科临床专家审定标签规则，由工程流程检查关联与时间；最后把患者级保留测试、盲法评审和安全边界一起交付。随着多模态临床基础模型发展，语音、量表、结构化医嘱与病程文本可能成为未来的联合输入，但每种模态都要单独确认来源、授权和时间同步，不能因模型“能读多模态”就默认数据适合合并。
数据治理与标注生产要并行设计
精神科数据的价值建立在可解释的治理链条上。数据提供方需要明确其来源、授权范围、可用目的和保存期限，项目方则要落实最小必要使用、角色分权、访问审计、加密传输及删除规则。附件所列的患者和机构去标识化要求，不能简单理解为将姓名替换成编号；长文本里仍可能出现特殊经历、工作地点、罕见诊疗情节或医生签名等间接识别线索，文本、表格、影像报告和导出文件都要进行复核。跨机构合作时，还要明确关联密钥由谁保管、是否可以再次映射，以及发生安全事件后的通知和处置责任。
数据生产团队也需要把专家时间放在最能降低风险的位置。临床专家不必逐条重做所有机器处理，而应参与术语与标签定义、样例校准、疑难样本复核和抽检仲裁；受训标注员负责可规则化的抽取，算法工具负责辅助定位和质量提示，最终质量责任仍由约定流程中的人工审核承担。错误要能定位到来源、加工步骤、标注人员或版本，批次问题才能形成有针对性的返工方案，而不是只通过总体合格率来判定成败。
从项目交付转向持续演进的数据产品
真正可复用的精神科数据产品不止一批文本文件，还应包括清晰的数据字典、数据卡、标签手册、任务卡、标注分歧说明、训练与测试切分摘要、处理脚本版本、质量问题清单及变更日志。每次医院系统升级、文书模板变化、诊断编码调整或量表修订，都可能改变数据的统计分布。若没有版本管理，模型团队无法区分性能变化来自算法改进，还是来自字段口径发生了变化；因此数据发布应像软件发布一样有版本号、变更说明、兼容性声明和回滚依据。
商业路径也应从小规模可验收阶段开始。第一阶段先做数据字典与代表性字段探查，确认时间关联、文本可用性和授权路径；第二阶段试生产一组经过专家复核的任务样本，验证标签手册、关联规则和脱敏质量；第三阶段再根据模型任务设计训练集、调优集与封存评测集；第四阶段通过独立复核和目标机构验证，判断能否扩大场景。阶段门既保护医院与患者，也降低算法团队在定义未定时批量采购或训练的沉没成本。每一步的规模和预算应根据真实样本的可获得性、事件率与标注资源确定，不能从一个需求文件中的目标数量倒推队列已经存在。
多模态是下一步，但先要解决对齐与来源问题
未来精神科模型可能同时读取病程文字、表格量表、检验信息、影像报告乃至经授权的语音或视频信号。多模态并不会自动带来更高质量：每种数据有不同的采集时间、标注对象、噪声来源、敏感程度和许可边界。若影像报告生成时间晚于模型要模拟的决策时点，或者量表与住院事件无法可靠匹配，融合会把错位信息包装成复杂特征。工程上应建立跨模态事件标识、时间同步规则、缺失模态状态和模态级质量评分，并先报告单模态基线，再逐步验证联合建模是否带来稳定增益。
多模态样本还需要能解释“模型看到什么”。如果训练数据包含完整住院过程，模型却在评测时要预测早期风险，就必须截断晚期信息；如果输入是医生整理后的摘要，应标记其来源和制作时间，不可与原始病程混为一谈。对敏感模态，优先考虑受控环境内计算、分权访问和最小化导出。朗慧在这一方向可以把多模态关联、临床时间线、专家评审与评测接口作为可单独验收的能力模块，使客户能先验证最关键任务，再决定是否拓展更多数据类型。
数据“可训练”还需经过面向模型的样本审计
在开始微调之前，建议由算法工程师对生成后的样本做一次任务级审计：每条输入是否包含足够上下文，目标是否能从输入中回答，标签是否来自约定参考源，文本截断是否改变临床含义，空值有没有被误读成阴性，字段与时间点是否一致。抽样审计既要覆盖高频样本，也要覆盖长文书、跨表关联、否定表达、诊断修订和低质量记录等边界情形。发现失败后，应回溯数据生成规则或标签手册，而不是只在模型端用提示词修补。
参考研究与方法规范
精神科评测近期开始从医学知识题扩展到随访、管理、多轮和安全任务。npj Digital Medicine 于2026年发表的 PsychiatryBench 构建了覆盖多个精神科任务的基准，并报告模型在纵向随访和管理任务上仍存在一致性与安全短板；这支持将病程、评估和干预按时序组织，而非只做一次性选择题。另有三院真实世界精神科住院风险预测研究，探索将首次病程记录与人口学、诊断、检验、治疗和量表共同用于风险建模；其研究结果来自具体队列，不能直接转化为其他机构的性能承诺。TRIPOD+AI 与 TRIPOD-LLM 则要求更透明地报告预测模型与大语言模型的任务、数据、版本、人工监督和性能。世界卫生组织关于健康领域大多模态模型的指南进一步强调治理、偏差、隐私与问责。
