夜雨聆风在医疗质量与安全日益受到重视的今天，抗菌药物合理使用已成为医院感染管理、药事管理与临床路径优化的关键环节。国家卫生健康委多次强调加强限制级抗生素使用的全流程监管，而一线科室常面临数据分散、人工核查效率低、规则执行难统一等现实挑战。antibiotic-rational-use-ledger 正是为此类问题设计的轻量级、可落地、易部署的开源解决方案，它不依赖复杂模型或大语言技术，而是以严谨的临床逻辑和标准化规则为核心，构建一套可解释、可审计、可追溯的抗菌药物使用合理性交叉检测系统。
项目概述：纯规则驱动的临床决策支持工具
antibiotic-rational-use-ledger 是一个专注医疗场景的开源工具，其核心定位清晰明确：通过结构化比对微生物培养结果（含药敏）与药剂科抗生素审批记录，自动识别六类典型不合理用药行为，并生成符合医院管理习惯的 Ledger 式异常清单。该系统并非通用型医疗AI平台，也未接入电子病历系统（EMR）或医院信息系统（HIS），而是采用“数据导入—规则匹配—结果输出”的简洁范式，适配院感科、药剂科日常督导检查与专项整改工作流。
项目完全基于 Python 实现，无外部服务依赖，所有检测逻辑由预置规则引擎驱动，不调用任何黑盒模型或云端 API。这意味着： - 检测过程全程本地运行，保障患者数据不出院； - 每一条异常判定均可回溯至具体规则条款与原始数据字段； - 规则配置开放透明，支持依据《CLSI M100》标准及本院实际动态调整。
系统同时提供命令行（CLI）与网页（Web）双入口，兼顾批量自动化分析与交互式人工复核需求，真正服务于临床质控一线人员的实际工作节奏。
技术亮点：小而专的设计哲学与务实工程实践
该项目虽体量精简，但在架构设计与功能实现上体现出鲜明的技术理性与医疗合规意识。
六大临床可解释的异常模式检测
系统覆盖当前抗菌药物管理中最常被督导检查的六类问题，每类均对应明确的临床定义与判断逻辑： - 耐药抗生素使用药敏结果为 R（耐药）却仍开具并使用该抗生素 - 无培养结果使用限制级抗生素患者在14天内无有效微生物培养记录，即使用特殊级或限制级抗生素 - 培养前用药抗生素审批时间早于首次培养送检时间，且后续未补做培养 - 抗生素使用疗程超出药敏推荐实际用药时长超过CLSI规则中该菌药组合建议疗程的阈值比例 - 病原菌与抗生素不匹配所选抗生素对检出病原菌无体外活性（依据CLSI解释标准） - 同患者同病原菌多次培养结果不一致同一患者在相近时间段内对同一病原菌的多次药敏结果存在S/I/R矛盾
可配置、可扩展的规则体系
所有临床判断均依托两个核心配置文件驱动，确保规则演进与标准更新同步： - clsi_default_rules.json 定义病原菌—抗生素组合的药敏解释规则，严格遵循 CLSI M100 标准版本号与判定逻辑； - restricted_antibiotics_default.json 明确抗生素分级目录，并支持别名映射（如「罗氏芬」→「头孢曲松」），适配医院药品字典差异。
此外，config.yaml 提供时间窗口、疗程阈值、严重度分级等策略参数，全部支持 CLI 参数覆盖或独立配置文件挂载，无需修改代码即可完成本地化适配。
双模态交付与多格式输出能力
系统同时提供两种使用方式，满足不同角色与场景需求： - CLI 工具：适合信息科批量调度、定时任务集成、自动化流水线嵌入； - Flask Web 界面：提供可视化仪表盘、筛选式异常清单、拖拽上传与一键导出，降低非技术人员使用门槛。
输出格式覆盖 CSV、JSON、HTML 三种常用类型，其中 HTML 报告可直接浏览器打开，含表格、统计图表与筛选控件，便于打印归档或跨科室共享。
python run_cli.py detect \ --microbiology data/sample/microbiology_sample.csv \ --pharmacy data/sample/pharmacy_approval_sample.csv \ --output data/output/ \ --format html清晰分层的模块化架构
项目采用典型 Python 应用分层结构，各模块职责单一、边界清晰： - data_loader/ 负责异构数据清洗与标准化（支持 CSV / Excel）； - engine/ 封装全部检测逻辑，与规则配置解耦； - output/ 统一管理格式化输出，避免业务逻辑污染； - commands/ 模块化 CLI 子命令，支持灵活扩展新功能。
整套代码具备完整单元测试覆盖，sample/ 目录内置真实字段结构的示例数据，开箱即用，大幅降低试用成本。
应用场景：聚焦医院抗菌药物管理核心痛点
本项目并非通用型医疗信息化平台，其设计目标高度聚焦于三类高频、刚需、强监管的院内管理场景：
医院院感科开展抗菌药物专项整治行动时，可用于快速筛查全院或重点科室的异常用药线索，辅助制定整改清单与约谈依据； 药剂科执行限制级抗生素分级管理制度过程中，可用于常态化监控审批数据与微生物结果的匹配情况，识别制度执行偏差； 各级卫生健康行政部门开展抗菌药物临床应用督导检查前，可作为自查自纠的技术支撑工具，提升迎检准备效率与数据可信度。
系统不替代医生临床决策，也不介入处方开具流程，而是作为“事后审计员”与“规则校验器”，帮助医疗机构在合规框架下夯实抗菌药物管理的数据基础与过程留痕。
使用指南：从安装到产出报告的完整路径
项目部署极简，仅需标准 Python 环境即可运行。
安装依赖
pip install -r requirements.txt快速启动 Web 界面
python run_web.py访问 http://localhost:5000 即可进入可视化操作界面，支持上传微生物培养数据（CSV/Excel）与药剂审批数据（CSV/Excel），实时生成异常清单与统计看板。
CLI 批量检测示例
以下命令将基于示例数据执行全量检测，并输出 HTML 格式报告：
python run_cli.py detect \ -m data/sample/microbiology_sample.csv \ -p data/sample/pharmacy_approval_sample.csv \ -o data/output/ \ -f html如需自定义培养结果有效时间窗口（默认14天），可添加参数：
python run_cli.py detect \ -m data/sample/microbiology_sample.csv \ -p data/sample/pharmacy_approval_sample.csv \ --time-window 7若医院已有定制化 CLSI 规则库，可通过 --rules 参数指定：
python run_cli.py detect \ -m data/sample/microbiology_sample.csv \ -p data/sample/pharmacy_approval_sample.csv \ --rules my_clsi_rules.json数据格式要求说明
系统对输入数据有明确字段约定，确保检测逻辑准确可靠：
微生物培养数据需包含以下字段： - patient_id：患者唯一标识 - culture_date：培养送检日期 - specimen_type：标本类型（如痰、血、尿） - pathogen：检出病原菌中文名称 - antibiotic：所测试抗生素名称 - susceptibility：药敏结果（S/I/R）
药剂审批数据需包含以下字段： - patient_id：患者唯一标识 - approval_date：审批通过时间 - doctor：申请医生姓名 - drug_name：所申请抗生素名称 - approval_status：审批状态（如“已通过”）
字段命名支持别名映射，亦可通过配置文件扩展兼容性。
总结：让抗菌药物管理回归规则与证据本位
antibiotic-rational-use-ledger 的价值不在于炫技，而在于务实。它用最朴素的规则引擎代替不可解释的模型，用结构化数据比对代替人工翻查，用可配置的标准代替经验主义判断。在抗菌药物管理日趋精细化、制度化的当下，这类小而准、开箱即用、规则透明的工具，恰恰填补了大型HIS系统难以覆盖的“最后一公里”质控空白。
项目完全开源，无商业授权限制，代码组织规范，文档详实，示例完备，无论是医院信息科快速部署，还是医学院校用于教学演示，或是开发者基于此二次开发更复杂的临床决策支持模块，都具备良好的起点与延展空间。
项目地址：https://github.com/nexorin9/antibiotic-rational-use-ledger国内仓库：https://gitee.com/nexorin9/antibiotic-rational-use-ledger
项目当前免费开源，若您对项目有疑问、使用上的困惑或想深入交流，欢迎私信我们，或加入社群讨论。
