[开源] 临床AI决策举证链系统:面向医务质控与信息科的AI处方责任追溯

本项目是专为互联网医院、区域医疗平台及AI辅助用药系统设计的「AI建议→医师确认→患者结果」三角举证链系统，直面犹他州AI医疗纠纷中暴露的问责真空问题。我们不做泛泛的AI日志归档，而是以HMAC-SHA256哈希链为底层锚点，构建可验证、不可篡改、时间序完整的临床决策证据包。面向医务部/质控办用于医疗鉴定举证，面向信息科支撑AI工具准入评估，也面向临床科室提供每日诊疗行为的合规参照。系统交付形态覆盖API服务、CLI命令行、HTML/JSON双格式报告，核心能力包括AI建议结构化记录、医师Override理由归因、冲突检测引擎、完整性校验签名、飞检合规报告生成。技术栈采用FastAPI+Pydantic+SQLAlchemy构建高可信后端，CLI基于Typer，加密依赖cryptography库，全链路支持Docker容器化与docker-compose编排。

定位与能力范围

我们不替代临床决策，也不包装成“全自动审方机器人”。本系统定位清晰：当AI给出一条降压药建议，医师选择采纳或覆盖，患者后续出现改善或不良事件，这三段动作必须形成可回溯、可验证、可举证的闭环链条。它不是给医生看的实时弹窗，而是给质控人员调取的司法级证据包；不是给信息科交差的静态报表，而是支撑AI工具持续准入评估的动态数据基座。

能力边界同样明确：- 不采集原始HIS数据库，只通过REST API或JSONL日志接入结构化事件流；- 不干预临床操作流程，仅记录医师在AI建议后的显式动作（采纳、覆盖、忽略）及理由；- 不预测患者结局，只忠实摄入并关联已发生的患者结果字段（痊愈、恶化、不良事件等）；- 不替代电子病历系统，但可与之解耦对接，作为独立的“临床AI行为审计层”。

这套设计源于一个朴素共识：AI在医疗场景的价值不在替代人，而在放大人的判断力；而放大的前提是，每一次人机协作都必须留下可追溯的责任印记。

核心功能分层实现

系统按M1至M8八层模块组织，每层承担明确职责，不重叠、不越界：

模块	名称	关键职责
M1	数据接入层	提供JSONL日志解析器、REST API接收端点、多格式适配器框架，统一收口AI侧、医师侧、患者侧三类异构输入
M2	归因引擎层	解析AI置信度与局限性说明，提取医师Override理由关键词，运行冲突检测（如AI建议头孢 vs 患者青霉素过敏史），构建时间序三角链
M3	举证链构建层	基于HMAC-SHA256生成哈希链，对每条session_id内三段事件做完整性签名，输出带数字指纹的举证包
M4	报告生成层	输出两类标准交付物：医疗鉴定格式举证包（含时间戳、操作人、原始内容、哈希值）、飞检合规报告（按科室/时段聚合统计）
M5	API层	提供健康检查、举证查询、报告生成、配置管理四大类端点，内置认证与限流中间件
M6	CLI层	支持批量导入日志、单session举证查询、配置导出、日志检索等运维高频操作
M7	配置管理层	通过YAML加载科室级个性化规则（如内科默认启用冲突检测，儿科关闭某类药物提示），所有变更留审计日志
M8	部署层	提供Docker镜像构建脚本、docker-compose编排文件、端到端集成测试用例，开箱即验

这种分层不是为炫技，而是让每一类使用者，质控员查报告、信息科调API、运维跑CLI，都能精准触达所需能力，无需理解全栈。

使用与配置

上手极简，三步即可启动本地验证环境：

pip install -r requirements.txtcp .env.example .env# 编辑 .env 填入 API_KEY 和 DATABASE_URL

启动方式任选其一：

uvicorn src.api.main:app --host 0.0.0.0 --port 8000 --reload

或使用Docker：

docker-compose up -d

系统预置3个脱敏样例场景，位于data/目录，覆盖典型临床路径：

样例文件	典型场景
`sample_normal_adoption.jsonl`	AI建议被医师采纳，患者病情改善，验证链路完整性
`sample_override.jsonl`	医师因青霉素过敏史覆盖AI建议，换用喹诺酮，结果改善，验证Override归因能力
`sample_conflict.jsonl`	AI建议双联抗血小板与患者消化道出血史冲突，医师识别风险并调整，后续出现轻微不良事件后缓解，验证冲突检测与结果关联能力

导入样例只需一行CLI命令（服务需已启动）：

python -m src.cli.commands logs import --path data/sample_override.jsonl

所有样例均不含真实患者信息，符合医疗数据脱敏规范。

环境与运行

部署支持两种主流模式，均默认使用SQLite轻量数据库，生产环境可无缝切换至PostgreSQL：

Docker单容器模式
：适合快速验证或边缘节点部署，通过-v挂载data/目录持久化日志与数据库；
docker-compose编排模式
：含服务健康监控、日志集中查看、自动重启策略，适合信息科统一纳管。

关键环境变量需按实际配置：

变量名	必填	说明
`API_KEY`	是	所有写入与敏感读取接口的认证密钥
`DATABASE_URL`	是	默认`sqlite:///./data/audit.db`，支持`postgresql://`前缀
`CORS_ORIGINS`	否	若前端Web界面跨域访问，填逗号分隔的Origin列表
`LOG_LEVEL`	否	`DEBUG` /`INFO`/`WARNING`，默认`INFO`

HIS系统对接只需调用三个POST端点，示例如下（需携带X-API-Key头）：

curl -sS -X POST http://localhost:8000/ingest/ai_suggestion \  -H "Content-Type: application/json" \  -H "X-API-Key: your-api-key-here" \  -d '{"session_id": "S001", "user_id": "U100", "timestamp": "2026-06-05T10:00:00Z", "ai_content": "建议使用头孢曲松", "ai_confidence": 0.92, "limitation_note": "仅供参考"}'curl -sS -X POST http://localhost:8000/ingest/doctor_action \  -H "Content-Type: application/json" \  -H "X-API-Key: your-api-key-here" \  -d '{"session_id": "S001", "action": "override", "override_reason": "患者青霉素过敏，换用喹诺酮", "timestamp": "2026-06-05T10:05:00Z"}'curl -sS -X POST http://localhost:8000/ingest/patient_outcome \  -H "Content-Type: application/json" \  -H "X-API-Key: your-api-key-here" \  -d '{"session_id": "S001", "timestamp": "2026-06-05T14:00:00Z", "outcome": "痊愈", "adverse_event": false}'

数据与扩展

最小数据契约极其清晰：AI建议JSONL + 医师操作JSONL + 患者结果JSONL → 举证包JSON/HTML。三类输入各自独立，只要session_id一致，系统自动完成时间序对齐与哈希链组装。

字段设计遵循临床可读性优先原则，不强求技术范式：

ai_suggestion
必含 session_id, timestamp, ai_content, ai_confidence, limitation_note
doctor_action
必含 session_id, action（adopt/override/ignore）, override_reason（仅action=override时必填）
patient_outcome
必含 session_id, timestamp, outcome, adverse_event

新增字段可通过YAML配置扩展，不影响现有链路。比如某院要求记录“药师审核意见”，只需在config.yaml中声明该字段为patient_outcome的可选扩展项，系统自动纳入哈希计算范围，无需修改代码。

限制与说明

我们坦诚说明当前边界：- 不支持实时流式处理，所有摄入均为HTTP同步请求或批量JSONL导入；- 不提供前端可视化界面，报告以HTML/JSON交付，由医院自有BI系统或质控平台集成展示；- 不内置AI模型，仅作为下游AI工具的“行为记录仪”与“举证生成器”；- SQLite默认配置适用于日均≤5000 session的中小规模部署，超量需切换至PostgreSQL并启用连接池。

所有能力均围绕一个目标：让每一次AI参与的临床决策，都有迹可循、有据可查、有责可溯。这不是锦上添花的功能模块，而是当下AI进入临床前必须铺设的责任基础设施。

项目地址：https://github.com/nexorin9/ai-triangle-evidence