CAR-T 细胞治疗药物警戒的文档解析与分块

CAR-T细胞治疗药物警戒相关数据主要来源于临床试验报告、真实世界研究（RWE）数据、病例报告、上市后监测报告以及监管机构发布的指南和警示。这些文档通常以P

这个品类的数据长什么样

CAR-T 细胞治疗药物警戒相关数据主要来源于临床试验报告、真实世界研究（RWE）数据、病例报告、上市后监测报告以及监管机构发布的指南和警示。这些文档通常以 PDF 格式为主，部分为 Word 或结构化数据库导出。数据更新频率较高，尤其是在新产品上市初期和监管政策调整后。文档结构复杂，包含大量医学术语、缩写、图表和表格，涉及患者人口统计学信息、CAR-T 产品信息、不良事件（AE）描述、严重不良事件（SAE）报告、实验室检查结果、药物合并用药情况、治疗结局等。字段方面，可能包含标准化的医学编码（如 MedDRA 编码）以及自由文本描述，单位涉及剂量（如 cells/kg）、时间（如 天、周）、实验室指标（如 pg/mL、%）等，且不同来源文档的字段命名和单位表示可能存在差异。

这些特征在「文档解析与分块」这一环带来什么约束

CAR-T 细胞治疗文档的复杂结构和高信息密度，对文档解析能力提出了更高要求。大量的图表和表格内容，需要解析器能准确识别并提取其中的关键数据，避免信息丢失。医学术语和缩写的普遍存在，要求分块时能保持上下文的完整性，避免因截断导致语义模糊。例如，一个不良事件的完整描述可能跨越多个自然段，甚至包含表格数据，机械式按段落或固定字符数分块容易割裂关键信息。此外，数据更新频率高，意味着文档解析和分块流程需要支持高效的增量更新和版本管理，确保知识库的时效性。字段和单位的多样性，要求解析后的内容在分块时能保留其原始语境，方便后续的语义理解和检索。对于动辄数百页的临床试验报告，解析器的稳定性与资源消耗是关键考量。

配置怎么定

配置项建议取法这样取的依据
UPLOAD_FILE_MAX_SIZE500 MB临床试验报告等文档可能体积较大，需确保能完整上传。
PARSE_FILE_TIMEOUT_SECONDS600 秒大文件解析耗时较长，避免因超时导致解析失败。
分段长度800–1200 字符平衡上下文完整性和检索效率，避免过长或过短分块。
分段重叠长度100–200 字符确保分块边界的语义连续性，尤其在医学术语和描述上。
maxContext3对于CAR-T这类复杂医学文本，保留更多上下文有利于理解。
召回条数前 5-8 条提高相关信息召回率，覆盖不同角度的不良事件描述。

容易做错的三处

  • 解析数百页的 PDF 文件时出现报错，几十页的文件则无问题。这通常是由于 PARSE_FILE_TIMEOUT_SECONDS 参数设置过小，导致解析器在处理大型复杂文档时耗时过长，触发超时错误。
  • 分块后召回结果中，关键的实验室指标数值或剂量信息缺失。这通常是由于 分段长度 设置过小，导致包含关键数值的表格或图表说明被割裂，未能形成完整语义块。
  • 本地部署 pdf-marker 调用页面报错 Cannot read properties of undefined。此问题可能与 pdf-marker 版本与 FastGPT 版本的兼容性有关，或者环境依赖未正确安装。

怎么确认配好了

  • 上传一份包含复杂表格和图表的 CAR-T 临床试验报告，检查解析后的文本内容是否完整保留了表格数据和图表说明。
  • 针对一份典型的不良事件报告文档，调整 分段长度 和 分段重叠长度 后，通过知识库的预览功能，核对分块内容是否保持了不良事件描述的语义完整性，避免关键信息被截断。
  • 使用包含特定医学术语和 MedDRA 编码的查询，验证召回结果中是否能准确返回包含这些术语的原文片段，并检查 召回条数 是否满足信息覆盖需求。

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。