抗体偶联药物 ADC药物警戒的文档解析与分块

这个品类的数据长什么样

抗体偶联药物（ADC）药物警戒的数据主要来源于临床试验报告、真实世界研究（RWE）数据、上市后监测报告、不良事件自发报告以及科学文献。这些数据更新频率较高，尤其是上市后监测报告，会根据监管要求定期发布。文档结构通常包含详细的患者信息、用药史、不良事件描述、严重程度、结局、相关性评估及药物批次信息。字段通常涉及患者人口统计学特征、疾病诊断、ADC药物的通用名与商品名、剂量、给药途径、给药频率、不良事件的MedDRA编码、CTCAE等级以及实验室检查结果（如肝肾功能、血常规等）。单位则涵盖常见的剂量单位（mg/kg）、时间单位（天、周、月）、以及各种实验室指标的国际单位或常规单位。

这些特征在「文档解析与分块」这一环带来什么约束

ADC药物警戒数据的多源性和高更新频率要求文档解析系统具备高效的自动化处理能力，以应对持续涌入的新数据。文档结构中包含的多个嵌套层级（如不良事件描述下的症状、体征、诊断等）对解析的准确性提出挑战，需要能够识别并提取深层语义信息。ADC药物特有的靶点、连接子和细胞毒素成分，使得不良事件的描述可能包含高度专业化的生物医药术语和缩写，这对分词和实体识别的准确性至关重要。此外，临床试验报告中常包含表格和图表，需要解析器能够处理非文本内容，将其转换为可供检索的结构化信息。不良事件报告中可能存在的模糊描述或非标准表达，也要求分块策略能够兼顾上下文的完整性，避免关键信息被割裂。

配置怎么定

容易做错的三处

• 上传的PDF文档显示解析失败或内容缺失，这通常是由于PDF中包含的扫描图片或非文本层内容过多，导致OCR识别不准确或解析器无法提取文本。
• 导入后检索特定不良事件时召回结果不佳或不相关，可能是因为分段长度设置过短，将关键的因果关系描述或药物-事件关联信息切断，上下文丢失。
• 长时间处于“正在索引”状态，最终未成功入库，这可能与PARSE_FILE_TIMEOUT_SECONDS参数设置过低有关，大型或复杂文档在规定时间内未能完成解析。

怎么确认配好了

• 选择一份包含典型ADC药物警戒不良事件描述的PDF文档，上传并检查解析后的文本内容是否完整且无乱码，特别关注不良事件的MedDRA编码和CTCAE等级。
• 选取文档中涉及药物名称、剂量、不良事件描述的片段，通过搜索功能进行召回测试，评估返回结果的准确性和相关性，调整分段长度和分段重叠长度直至满意。
• 上传一份包含表格和图表的临床试验报告，检查表格内容是否被正确解析并转换为可检索的文本，图表旁边的文字说明是否被有效提取。

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。