这个品类的数据长什么样
皮肤科临床试验预筛的数据主要来源于医疗机构的电子病历系统（EHR）、实验室信息系统（LIS）、影像归档与通信系统（PACS）以及患者报告结局（PRO）问卷。这些数据更新频率不一，EHR数据通常按患者就诊实时更新，LIS数据在检验结果出具后更新，PACS影像数据则在检查完成后上传。文档结构多样，包括非结构化的医生诊断记录、结构化的检验报告（如血常规、肝肾功能）、半结构化的影像报告（如皮肤镜、组织病理学报告）以及结构化的患者问卷。字段方面，特异性体征描述（如皮损形态、分布、颜色）、疾病严重程度评分（如PASI评分、EASI评分）、组织病理学诊断编码（如ICD-O-3）是皮肤科独有的。单位方面，皮肤病灶面积常以平方厘米（cm²）计，皮损数量直接计数，药物剂量以毫克（mg）或克（g）计。
这些特征在「工作流编排」这一环带来什么约束
皮肤科数据的多样性对工作流编排提出了挑战。非结构化文本的医生诊断记录需要自然语言处理（NLP）节点进行实体识别和信息提取，以识别关键症状、体征和病史。结构化数据则需通过数据清洗和标准化节点，确保字段类型和单位的一致性。例如，不同医院对皮损面积的记录方式可能存在差异，需要统一为标准单位。影像报告的半结构化特性要求工作流能集成图像识别或医学影像分析服务，辅助判断病灶特征。此外，更新频率不一的数据源要求工作流具备灵活的触发机制，既能定时拉取数据，也能响应事件驱动的实时更新，例如新的病理报告出具后立即启动预筛流程。对特异性评分（如PASI、EASI）的准确提取和计算，也需要定制化的逻辑处理节点。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 2000 字符 | 兼顾非结构化病历文本的完整性与处理效率 |
分段长度 | 500 字符 | 适应皮肤科病历中多段落、多主题的描述特征 |
召回条数 | 10 条 | 覆盖更多潜在相关信息，减少漏检 |
相似度阈值 | 0.75 | 平衡召回率与准确率，筛选出高度相关的病历信息 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 应对大型影像报告或复杂病理报告的解析时间 |
DatabaseConnection.Timeout | 60 秒 | 预防数据库连接因数据量大或网络延迟导致超时 |
容易做错的三处
- 连接数据库时出现
Failed to connect to jyfkk:1433报错，通常是由于防火墙规则未开放对应端口或数据库服务未启动。 - 问题分类节点返回结果为空，原因可能是背景知识语料不足或关键词覆盖不全，导致模型无法准确识别和分类皮肤科特有症状。
- 工作流执行超时，现象为状态码
504 Gateway Timeout，这往往是由于数据处理节点（如NLP分析或图像处理）对计算资源需求过高，未能及时完成任务。
怎么确认配好了
- 选择一份包含典型皮肤科病例的完整患者数据，运行工作流并检查每个节点的输出，确保关键信息（如诊断、症状描述、检验结果）被准确提取。
- 使用一份已知符合入组标准的病例数据，验证工作流的最终判断结果是否正确，并检查预筛结论与实际标准的一致性。
- 随机抽取多份病例数据，批量运行工作流，并观察执行时间与资源消耗，确认在高并发场景下工作流的稳定性和效率是否满足要求。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。