“全结构化录入+牙位可视化标记”人工智能化python编程路径探析

1. 目标与使用场景

• 将所有关键信息结构化：主诉/现病史、龋/充/根管/牙周/修复/种植、影像读片所见、处置与术式、医嘱、收费关联等。
• 通过牙位图可视化标注与表单联动，做到“点哪颗牙、哪一面，就写哪一项”，杜绝游离文本。
• 用 AI 做三件事：①录入提效（自动补全/术语标准化/编码建议）；②质控（规则与模型双验）；③影像辅助（龋、残髓、根尖周、牙周骨丧失等初筛）。
• 与医院信息平台/医保/第三方影像顺畅对接（HL7/FHIR、DICOM）。

2. 标准与术语（建议落地用）

• 牙位编码：FDI 两位码（11–48，51–85），保留美制/牙位字母兼容映射。
• 结构化术语/编码：SNOMED CT（诊断/处置）、ICD-10（病案）、LOINC（检验）、UCUM（单位）。
• FHIR 资源映射：Patient/Encounter/Condition/Observation/Procedure/DiagnosticReport/ImagingStudy/ServiceRequest/MedicationRequest/Consent。
• 影像：DICOM（pydicom 读片），报告走 DiagnosticReport + ImagingStudy 关联。

3. 总体架构（Python 为主）

• 前端（牙位图 + 表单）：React/TypeScript + SVG 牙位图（32/20 牙，含 5 面：M/D/O/B(P/L)/I©）。与后端通过 WebSocket/REST 同步。
• API 层：FastAPI（Pydantic v2 模型校验，Uvicorn），JWT/OAuth2。
• 业务与数据：PostgreSQL（结构化 + JSONB 存每牙面状态），SQLAlchemy + Alembic。
• AI 服务：
  • NLP：术语标准化、编码建议（PyTorch/Transformers），RAG（FAISS/SQLite-vec）。
  • CV：X 光/口扫（OpenCV + MONAI/nnU-Net/YOLOv8），ONNX Runtime 推理。
  • 队列：Celery + Redis，批量影像异步处理。
• 集成：fhir.resources 组装 FHIR Bundle；pydicom/DICOMweb 取片；HL7/FHIR 接口对接院内。
• 审计与合规：审计日志（append-only）、字段级加密（pgcrypto/应用层）、RBAC/ABAC。

4. 数据建模（核心表与模型）

A. 患者/就诊

• patient(id, mrn, name, sex, dob, …)
• encounter(id, patient_id, start_time, type, …)

B. 每牙结构化记录

• tooth_record(id, encounter_id, fdi_code, present BOOLEAN, mobility, percussion, …)
• tooth_surface(id, tooth_record_id, surface ENUM[M,D,O,B,P,L,I,C], caries_grade, restoration, fracture, pocket_depth_mm, bleeding BOOLEAN, furcation, …)
• diagnosis(code, system, display) / procedure(code, system, display, tooth_fdi?, surface?)

C. 影像与报告

• imaging_study(id, encounter_id, dicom_uid, modality, taken_at, …)
• observation(id, type, value, unit, tooth_fdi?, surface?, source)
• diagnostic_report(id, study_id, summary_text, json_struct)

Pydantic 片段（示例）

from pydantic import BaseModel, Field from typing import Literal, Optional, List Surface = Literal["M","D","O","B","P","L","I","C"]classToothSurface(BaseModel): surface: Surface caries_grade: Optional[int]= Field(None, ge=0, le=5) restoration: Optional[str]=None pocket_depth_mm: Optional[float]= Field(None, ge=0, le=12) bleeding:bool=FalseclassToothRecord(BaseModel): fdi:int= Field(..., ge=11, le=85) present:bool=True surfaces: List[ToothSurface]=[]

5. “全结构化录入”设计要点

• 模板驱动：主诉/现病史/专科检查/牙周/影像所见/诊断/处置，多段式表单，随选择动态展开（FastAPI 提供元数据 JSON，前端渲染）。
• 牙位联动：点击 16-O 面 ⇒ 自动定位到 “16 咬合面”字段；勾选“充填体Ⅱ类”⇒ 牙位图相应着色+图标。
• 术语选择器：受控词表 + 智能搜索（同义词/拼写容错），选中即绑定 SNOMED/ICD 代码。
• 强校验：跨字段规则（例：缺失牙不可记录龋；深龋应提示活髓试验/冷测记录）。
• 版本化：同一牙位的纵向时间轴，支持回溯与对比。

6. 牙位可视化标记（SVG 实现思路）

• 几何：每颗牙一个 g，内部 5 个 path 对应牙面；绑定 data-fdi 与 data-surface。
• 着色与图标：状态→颜色/图标（例：龋=红，充填=蓝，根管完成=紫，缺失=灰斜线）。
• 交互：点击/框选/涂抹（Shift+Drag）批量标记；hover 弹出该牙的结构化快照。
• 后端映射：一张 FDI → SVG 坐标 表；返回/接收结构化 JSON。

FDI 映射字典（Python 伪代码）

FDI_TO_INDEX ={ 11:0,12: