---

前言

IntelliHealth 药物禁忌分析 多说明书检索 + 段落打分 的技术说明。

---

1.原有方案

Neo4j 未命中时，系统会走 OpenFDA 冷启动链路：
拉 FDA 说明书 → 取英文相互作用 → LLM 写中文摘要 → 写入图库

早期实现非常直接：

// 旧逻辑
.queryParam("limit", 1)
return interactions.get(0);

这带来两个问题：

① 只看了 1 份说明书

OpenFDA 搜索 drug_interactions:aspirin+AND+ibuprofen 可能命中 数千份 label，但 limit=1 只返回排序第一的 一份。
这份药的主药可能是 etodolac，只是在 drug_interactions 大段文字里顺带提到 aspirin，并不是 aspirin ↔ ibuprofen 的专述。

② 偏题也硬返回

尽管没有在说明 药物A 和 药物B 的校验，LLM 只能基于偏题英文写摘要，结果变成「可能增加不良反应，不建议合用」这类笼统话，远不如人工清洗数据（如 布洛芬干扰阿司匹林抗血小板作用…）准确。

---

解决方案 :
我们需要先从多份说明书中找对段，再交给 LLM。

---

2. OpenFDA接口

请求示例：

GET https://api.fda.gov/drug/label.json?search=drug_interactions:aspirin+AND+ibuprofen&limit=10

响应结构：

{
  "meta": { "results": { "total": 4264 } },
  "results": [
    {
      "openfda": { "generic_name": ["..."] },
      "drug_interactions": "很长的一段英文，或 [\"段落1\", \"段落2\"]"
    }
  ]
}

要点：

概念	说明
limit	返回 几份药品说明书，不是几个字段
results[i]	某一份独立 label
drug_interactions	该 label 下与药物相互作用相关的 长英文，可能是一个字符串，也可能是字符串数组
total: 4264	同时含 aspirin 与 ibuprofen 关键词的 label 很多，只取 1 条极易偏题

我们真正需要的，是从 drug_interactions 里截出 同时讨论 drugA 与 drugB 的那一小段，而不是整篇或第一节。

---

3. 新方案

图库里没有这对药的记录时，才走 OpenFDA 冷启动。

系统会先拉 排名前 10 的说明书（limit=10），对每份的 drug_interactions 解析、切分，必要时用句窗口合并，再对每个候选段 scoreInteractionSegment 打分；

先在单份 label 里选最好的一段，再在 10 份之间取 全局最高分。

低于 100 分（没有一段同时提到两种药）→ 返回 null，不写库；
≥100 分 → 规则分类 → LLM 中文摘要 → 写 Neo4j。

热门药对已 manual 入库的，仍 优先读 Neo4j，不经过本链路。

---

4. 实现细节

实现位于 DrugInteractionService.queryOpenFda 及若干提取 helper。

4.1 拉取 10 份说明书

private static final int OPENFDA_SEARCH_LIMIT = 10;

选取为10的原因： 在全量 4000+ 条里不可能全查；10 是在 准确度与 API 耗时 之间的折中。排名靠前的 label 更可能同时包含两种药名，比 limit=1 稳得多。若 10 条仍无合格段落，返回 null，宁可查无结果，也不返回偏题段落。

4.2 兼容字段形态

OpenFDA 的 drug_interactions 可能是：

• 单个 String（一整篇）
• List<String>（多段）

统一转成 List<String> 文本块，避免类型强转失败或漏数据。

4.3 切分长文

FDA 说明书常见两种结构：

1. 双换行 \n\n 分段
2. 句号 + 大写开头（如 Aspirin When…）分小节

先尝试空行切分，再尝试 FDA_SECTION_SPLIT 正则，把一整篇 interactions拆成多个 候选段落。

4.4 句窗口合并

有时两种药名分散在 相邻几句 里，单句切分拿不到同时含 A、B 的段。
算法实现：
滑动合并连续 1～4 句，仅保留 同时出现 drugA 与 drugB 的窗口，再参与打分。

4.5 单条 label 内选最优段

对切分出的所有段落（及句窗口）调用 scoreInteractionSegment，取 该 label 内最高分 的一段作为候选。

4.6 10 条 label 全局择优

遍历 10 份 results，每份一个候选段，再取 全局最高分 作为最终英文原文，供后续分类与摘要使用。

---

5. 打分机制

5.1 药名命中（核心）

使用整词匹配（\baspirin\b，大小写不敏感）：

条件	得分
同时提到 drugA 和 drugB	+100
只提到其中一个	+20
两个都没提到	0（直接淘汰）

100 分是可靠段落的门槛（MIN_ACCEPTABLE_SCORE = 100）。
只提到一种药，说明可能是etodolac 说明书里顺带提 aspirin，不能通过。

5.2 风险与机制关键词（附加分）

在药名得分之上累加，用于 10 条 label 之间的 tie-break（谁更像真正的相互作用描述）：

英文关键词	附加分
not recommended / contraindicated / avoid / do not	+15
antiplatelet / cardiovascular / bleeding / interaction	+10
concomitant / administered with	+5

例子 : aspirin + ibuprofen 合格段常含 antiplatelet、not generally recommended，会在 100 分基础上再加分，更容易在多条 label 中胜出。

5.3 合格标准

if (best == null || bestScore < MIN_ACCEPTABLE_SCORE) {
    return null;  // 前 10 条均无可靠段落
}

bestScore	含义	行为
≥ 100	段落同时含两种药，可信	进入分类 + LLM 摘要 + 写 Neo4j
20～99	只提到一种药或勉强相关	丢弃
0	不相关	丢弃

---

6. 分类与摘要

提取到合格英文段落后，仍有两步：

1. 规则分类 classifyByRules：从英文中识别 contraindicated / avoid / dose_adjustment 等（OpenFDA的监管用语）
2. 规则定不了 → LLM 从枚举中选 type
3. LLM 写 edge_summary：Prompt 中带入已确定的 type，要求摘要与风险等级一致

这样 英文提取 与 风险类型 分工明确。

---

总结

OpenFDA 链路是长尾药对的补充，不是替代人工清洗。

之所以对这个进行优化，是因为我们数据是根据目前最新的数据集清洗的，并不能保证OpenFDA后续不会更新数据集，保证软件禁忌分析功能持续可用。