RH Skills：将临床指南转化为可计算规则的智能工作流工具集

一个面向临床信息学家的代理工作流工具集，通过AI推理将原始临床资料转化为确定性的可计算规则，支持直接嵌入EHR、质量项目和临床决策支持系统。

临床证据转化为实践的过程存在严重滞后。根据《皇家医学会杂志》的研究，这种转化延迟平均长达17年。即使指南最终发布，叙事性的文本描述与可在医疗信息系统中实现的计算逻辑之间存在巨大鸿沟，导致指南在实际应用中被不一致地执行。

可计算规则（Computable Rules）能够弥合这一差距：一旦被编码，指南可以在每次患者就诊、每次医疗接触中一致地触发执行——减少诊断错误、防止有害的药物相互作用，并在不依赖个别临床医生记忆的情况下提高对最佳实践的依从性。

RH Skills正是专注于将指南、质量指标、评估工具、临床逻辑和事先授权政策转化为可计算的确定性逻辑。

RH Skills框架引导临床知识通过三个层次的工件（Artifact）进行转化：

PDF, DOCX, HTML, XLSX, ...          (L1 原始 — 任意格式)
         │
         │  摄取 + 规范化
         ▼
     Markdown                        (L1 规范化)
         │
         │  提取  ┌─────────────────────────┐
         ├────────▶│    结构化工件          │  (L2)
         ├────────▶│    结构化工件          │  (L2)
         └────────▶│    结构化工件          │  (L2)
                   └───────┬───────────┬─────┘
                           │           │
                           │ 形式化    │
                           ▼           ▼
                    ┌────────────────────────┐
                    │    可计算工件          │  (L3)
                    │   (FHIR兼容)           │
                    └────────────────────────┘

层次	格式	描述
L1 (原始)	任意	原始源文件 — PDF、Word文档、网页、电子表格
L1 (规范化)	Markdown	转换为统一Markdown格式以便下游处理
L2	YAML	结构化 — 离散的临床标准、编码概念
L3	YAML	可计算 — 路径、指标、值集（FHIR兼容）

原始文件首先被摄取并规范化为Markdown（L1），然后进行提取。关系是多对多的：一个L1源可以产生多个L2工件；多个L2工件可以汇聚成单个L3。

系统支持多种输入格式的自动处理：

• PDF文档：提取文本内容并保留结构信息
• Word文档：解析DOCX格式，处理表格和列表
• 网页内容：抓取HTML并清理为可处理的文本
• 电子表格：处理XLSX中的结构化数据

所有输入最终统一转换为Markdown格式，确保下游处理的一致性。

使用AI推理从规范化文本中提取结构化的临床信息：

• 识别临床标准和条件
• 提取编码概念（如SNOMED CT、LOINC、ICD-10-CM、RxNorm）
• 构建逻辑关系和依赖
• 生成YAML格式的结构化工件

将结构化工件转化为FHIR兼容的可计算规则：

• 临床路径（Clinical Pathways）
• 质量指标（Quality Measures）
• 值集定义（Value Sets）
• 决策支持规则

这些L3工件可以直接嵌入EHR系统、质量监控平台和临床决策支持系统。

RH Skills支持两种主要使用模式：