概览
这场竞赛适合谁
适合已有中文临床文本处理经验，并能用 Python 将信息抽取结果映射到 HL7 FHIR R4 资源的团队或个人。个人报名需依托单位；若要冲击获奖，还应能承担可复现代码、技术文档及会议汇报材料的交付。
查看官方简介原文
本任务基于CHIP2025-CP03升级，聚焦医学NLP代码自动生成，以识别符合临床试验入组/出组标准的患者。提供17类48条筛选标准及FHIR FSH定义，需按FHIR Message Bundle递交。评测大模型引导小语言模型(SLM)生成代码的可运行性、标准符合性、查询准确性与稳定性。背景强调CDSS需临床全程参与，但知识产权壁垒阻碍协同；大模型编码与FHIR兼容助系统适配，而SLM引入幻觉与可解释性挑战。本任务为科研、产品及政策提供支撑。 Official category: AI Large Model Competition (AI大模型赛). Official tags: 医疗健康. Teams entered: 190.
参赛准备
从报名到首次提交的准备步骤
- 01
Python 临床文本解析
- 02
中文医疗信息抽取
- 03
能够运行基础方案并完成一次有效提交
- 04
能够运行基础方案并完成一次有效提交
- 05
能够运行基础方案并完成一次有效提交
- 06
BASE64 编码与依赖管理
投入前确认：最费力的部分不是只判断患者是否符合条件，而是把临床筛选标准和患者主题文本稳定地转成可运行的 Python/FHIR Bundle，再通过 FHIR service 查询。FSH Profile 可能动态调整，且格式错误、依赖冲突或代码无法运行都会直接影响结果。
来源