简介：这份PDF文档面向医疗信息化从业者、算法工程师与AI应用开发者，系统讲解医疗行业私有化部署DeepSeek并用于电子病历分析的全流程，涵盖从数据准备到模型上线的完整链路。资源包共1个PDF文件，大小约1.86MB，内容完整、目录清晰，图表与文字显示正常，便于按章节查阅。文档围绕私有化部署概述、DeepSeek技术架构、电子病历数据清洗与转换、模型训练与超参数调优、正则化与模型融合、评估指标与交叉验证、硬件与软件环境搭建、系统集成与安全合规等模块展开，并结合疾病诊断准确性提升、治疗方案优化、疾病风险预测等实际案例，给出可落地的调优思路与效果验证方法。目前已有89人学习，适合希望掌握医疗场景下大模型训练、调优与私有化落地技能的读者参考。
1. 医疗私有化部署与 DeepSeek 的交叉点：为什么这份 28 页的实战文档值得逐行拆
去年帮一家三甲医院信息科做电子病历结构化时，最头疼的不是模型选型，而是数据出不了内网——公有云 API 调一次病历文本，合规那边直接亮红灯。这也是为什么我拿到这份《医疗行业私有化部署全流程：DeepSeek在电子病历分析中的训练与调优实战》时，第一反应是翻到第七章看部署架构。它把 DeepSeek 的私有化部署和电子病历分析绑在一起讲，从数据清洗、模型训练、超参调优一路写到服务化集成，28 页覆盖了医疗 AI 落地最卡脖子的几个环节。适合两类人：一是医院信息科或医疗 IT 团队，正在评估本地大模型方案；二是做医疗 NLP 的工程师，需要一套能跑通的训练调优流程参考。文档里的代码示例基于 PyTorch 和 sklearn，数据预处理部分用了 jieba 和 NLTK，整体技术栈偏工程落地，不是纯理论综述。
2. 电子病历数据进模型之前：预处理流水线的四个关键环节
2.1 多源异构数据的整合策略
电子病历数据的第一个坑是来源太散。HIS 系统出结构化字段，LIS 出检验数值，PACS 出影像报告，还有大量自由文本的症状描述和病程记录。文档里给了一个很朴素的整合思路：用 pandas 做横向拼接，把不同来源的数据按患者 ID 和就诊时间对齐。这个做法在数据量不大时够用，但要注意字段命名冲突和主键重复的问题。
import pandas as pd # 模拟从 HIS 和 LIS 分别读取数据 his_data = pd.read_csv('his_patient_info.csv') # 患者基本信息 lis_data = pd.read_excel('lis_lab_results.xlsx') # 检验结果 # 按患者ID和就诊日期做左连接，保留HIS的全部记录 merged = pd.merge(his_data, lis_data, on=['patient_id', 'visit_date'], how='left') # 检查合并后的缺失情况 print(merged.isnull().sum()) merged.to_csv('merged_emr_data.csv', index=False)这里how='left'的选择很关键。医疗场景下，HIS 的患者基本信息是主表，LIS 检验结果可能缺失，用左连接能保证不丢患者记录。如果改成inner，那些没做检验的患者直接消失，后续训练集会有偏。合并后一定要跑一遍isnull().sum()，看看哪些字段缺失严重，决定是填充还是弃用。
2.2 缺失值与异常值的处理边界
文档里对缺失值给了均值填充的方案，但医疗数据不能无脑填均值。比如血糖值缺失，填个全体均值可能把糖尿病患者和正常人混在一起。我的经验是分字段处理：数值型检验指标用中位数填充（比均值抗异常值），分类字段用众数，关键诊断字段缺失的直接标记为单独类别而不是填充。
import pandas as pd import numpy as np data = pd.read_csv('merged_emr_data.csv') # 数值型字段用中位数填充 numeric_cols = ['age', 'glucose', 'blood_pressure', 'bmi'] for col in numeric_cols: median_val = data[col].median() data[col] = data[col].fillna(median_val) # 分类字段用众数填充 categorical_cols = ['gender', 'department'] for col in categorical_cols: mode_val = data[col].mode()[0] data[col] = data[col].fillna(mode_val) # 诊断字段缺失标记为'未知'，不填充 data['diagnosis'] = data['diagnosis'].fillna('未知') # 异常值处理：用IQR法识别检验数值的离群点 Q1 = data['glucose'].quantile(0.25) Q3 = data['glucose'].quantile(0.75) IQR = Q3 - Q1 lower_bound = Q1 - 1.5 * IQR upper_bound = Q3 + 1.5 * IQR # 将超出范围的血糖值截断到边界，而不是删除 data['glucose'] = data['glucose'].clip(lower_bound, upper_bound)用clip截断而不是删除，是因为医疗数据本身就珍贵，一个极端血糖值可能对应真实的重症患者，删掉就丢了信息。截断到 IQR 边界能保留样本量，同时降低异常值对模型的干扰。文档里用的是 Z 分数法删除异常值，那个方法在正态分布假设下才成立，医疗数据大多偏态分布，IQR 更稳妥。
2.3 中文医疗文本的分词与向量化
电子病历里的文本和通用中文不一样，“胸痛伴呼吸困难”这种短语，用 jieba 默认词典可能切成“胸痛/伴/呼吸/困难”，但医学上“呼吸困难”是一个整体症状。文档里直接用了 jieba 的lcut，没做自定义词典，这是个隐患。
import jieba from sklearn.feature_extraction.text import TfidfVectorizer # 加载医学自定义词典 jieba.load_userdict('medical_terms.txt') # 每行一个医学术语 # 示例病历文本 records = [ "患者男性，55岁，因胸痛伴呼吸困难入院。", "女性患者，30岁，有咳嗽、发热症状，否认高血压病史。" ] # 分词并去除单字和标点 tokenized = [] for record in records: tokens = jieba.lcut(record) # 过滤掉长度为1的词和标点符号 filtered = [t for t in tokens if len(t) > 1 and t not in '，。、；：'] tokenized.append(' '.join(filtered)) # TF-IDF向量化 vectorizer = TfidfVectorizer(max_features=5000) X = vectorizer.fit_transform(tokenized) print(f"特征矩阵维度: {X.shape}")medical_terms.txt需要自己整理，至少把科室常见的症状、药品、检查项加进去。max_features=5000是个经验值，病历文本的词汇量通常比通用语料小，5000 维能覆盖大部分有效特征。如果后续要接 DeepSeek 做微调，这一步的 TF-IDF 可以换成 DeepSeek 的 tokenizer，但预处理阶段用 TF-IDF 做快速特征筛选仍然有价值。
2.4 数据划分的坑：别让同一患者的记录跨集
文档里用train_test_split按 8:2 划分，但医疗数据有个特殊问题：同一个患者可能有多条就诊记录。如果随机划分，同一个患者的两次就诊可能一次在训练集一次在测试集，模型会“见过”这个患者，评估结果虚高。
from sklearn.model_selection import GroupShuffleSplit import pandas as pd data = pd.read_csv('preprocessed_emr.csv') # 按患者ID分组划分，确保同一患者的记录只出现在一个集合 gss = GroupShuffleSplit(n_splits=1, test_size=0.2, random_state=42) groups = data['patient_id'] for train_idx, test_idx in gss.split(data, groups=groups): train_data = data.iloc[train_idx] test_data = data.iloc[test_idx] # 再从训练集中按患者分组划出验证集 gss_val = GroupShuffleSplit(n_splits=1, test_size=0.15, random_state=42) for train_idx2, val_idx in gss_val.split(train_data, groups=train_data['patient_id']): final_train = train_data.iloc[train_idx2] val_data = train_data.iloc[val_idx] print(f"训练集: {len(final_train)}, 验证集: {len(val_data)}, 测试集: {len(test_data)}")GroupShuffleSplit的groups参数指定患者 ID，保证同一患者的记录不跨集。这个细节文档里没提，但实际做医疗 AI 项目时，不按患者分组划分，AUC 能虚高 5 到 10 个百分点，上线后直接翻车。
3. DeepSeek 模型训练：从架构定制到训练循环的实操细节
3.1 基于任务选择模型架构
文档在 4.1 节区分了分类任务和序列预测任务的选择逻辑，这个思路是对的。电子病历分析最常见的两类任务：一是疾病分类（多分类），二是再入院风险预测（二分类或生存分析）。对于分类任务，如果病历文本已经做了结构化特征工程，用全连接网络就够；如果要端到端处理原始文本，需要 Transformer 类架构。
import torch import torch.nn as nn class EMRClassificationModel(nn.Module): def __init__(self, vocab_size, embed_dim, num_classes, hidden_dim=256): super().__init__() # 嵌入层：将token映射为稠密向量 self.embedding = nn.Embedding(vocab_size, embed_dim, padding_idx=0) # 一维卷积提取局部n-gram特征 self.conv1 = nn.Conv1d(embed_dim, 128, kernel_size=3, padding=1) self.conv2 = nn.Conv1d(embed_dim, 128, kernel_size=5, padding=2) # 分类头 self.fc = nn.Sequential( nn.Linear(256, hidden_dim), nn.ReLU(), nn.Dropout(0.3), nn.Linear(hidden_dim, num_classes) ) def forward(self, x): # x: (batch, seq_len) emb = self.embedding(x) # (batch, seq_len, embed_dim) emb = emb.permute(0, 2, 1) # (batch, embed_dim, seq_len) c1 = torch.relu(self.conv1(emb)) # 3-gram特征 c2 = torch.relu(self.conv2(emb)) # 5-gram特征 # 全局最大池化 p1 = torch.max(c1, dim=2).values p2 = torch.max(c2, dim=2).values combined = torch.cat([p1, p2], dim=1) return self.fc(combined)这个架构用多尺度卷积代替了文档里的简单全连接，原因是病历文本的关键信息往往集中在几个词上（如“胸痛”“高血压”），卷积核能捕捉这种局部模式。padding_idx=0让填充符不参与梯度更新。如果要用 DeepSeek 的预训练权重，把embedding层替换为加载好的 DeepSeek 嵌入矩阵，冻结底层参数，只训练分类头，这是资源有限时的常见做法。
3.2 训练循环中的损失函数与优化器配置
文档 4.3 节给了交叉熵损失和 Adam 优化器的组合，这个配置对多数分类任务适用。但医疗数据常有不平衡问题——某种罕见病的样本可能只占 1%，这时候交叉熵会被多数类主导。
import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, TensorDataset # 假设已有训练数据 train_dataset = TensorDataset(train_X, train_y) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True) # 计算类别权重，处理不平衡 class_counts = torch.bincount(train_y) class_weights = 1.0 / class_counts.float() class_weights = class_weights / class_weights.sum() # 带权重的交叉熵损失 criterion = nn.CrossEntropyLoss(weight=class_weights) # 优化器：AdamW比Adam多了权重衰减，对Transformer类模型更友好 optimizer = optim.AdamW(model.parameters(), lr=2e-5, weight_decay=0.01) # 学习率调度：前10%步数做warmup，之后余弦衰减 scheduler = optim.lr_scheduler.OneCycleLR( optimizer, max_lr=2e-5, total_steps=len(train_loader) * 20, pct_start=0.1 ) # 训练循环 model.train() for epoch in range(20): total_loss = 0 for batch_x, batch_y in train_loader: optimizer.zero_grad() outputs = model(batch_x) loss = criterion(outputs, batch_y) loss.backward() # 梯度裁剪，防止梯度爆炸 torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0) optimizer.step() scheduler.step() total_loss += loss.item() print(f"Epoch {epoch+1}, Loss: {total_loss/len(train_loader):.4f}")class_weights取类别频率的倒数，让罕见病样本的损失权重更大。AdamW的weight_decay=0.01是 Transformer 微调的常用值。clip_grad_norm_把梯度范数限制在 1.0，防止个别 batch 的异常梯度把参数带偏。OneCycleLR的pct_start=0.1表示前 10% 的训练步数做学习率 warmup，这是从预训练模型微调时的标准操作。
3.3 训练监控：什么时候该停下来
文档 4.4 节提了监控损失和准确率，但没给早停的具体实现。医疗数据量通常不大，模型很容易过拟合，早停是必须的。
# 早停实现 best_val_loss = float('inf') patience = 5 patience_counter = 0 for epoch in range(50): # 训练阶段 model.train() train_loss = 0 for batch_x, batch_y in train_loader: optimizer.zero_grad() outputs = model(batch_x) loss = criterion(outputs, batch_y) loss.backward() optimizer.step() train_loss += loss.item() # 验证阶段 model.eval() val_loss = 0 correct = 0 total = 0 with torch.no_grad(): for batch_x, batch_y in val_loader: outputs = model(batch_x) loss = criterion(outputs, batch_y) val_loss += loss.item() _, predicted = torch.max(outputs, 1) correct += (predicted == batch_y).sum().item() total += batch_y.size(0) avg_val_loss = val_loss / len(val_loader) val_acc = correct / total print(f"Epoch {epoch+1}: train_loss={train_loss/len(train_loader):.4f}, " f"val_loss={avg_val_loss:.4f}, val_acc={val_acc:.4f}") # 早停判断 if avg_val_loss < best_val_loss: best_val_loss = avg_val_loss patience_counter = 0 torch.save(model.state_dict(), 'best_model.pt') else: patience_counter += 1 if patience_counter >= patience: print(f"Early stopping at epoch {epoch+1}") breakpatience=5表示验证损失连续 5 个 epoch 不下降就停。每次验证损失创新低时保存模型权重，最后加载的是验证集上最好的版本，而不是最后一个 epoch 的版本。这个细节在医疗场景很重要，因为过拟合的模型在测试集上可能差好几个百分点。
4. 调优与评估：超参数搜索和临床验证的落地方法
4.1 超参数调优的实操策略
文档 5.1 节列了网格搜索和随机搜索，但没给具体代码。医疗数据训练一次动辄几小时，网格搜索太耗时，我一般用 Optuna 做贝叶斯优化，20 到 30 次试验就能找到不错的配置。
import optuna import torch import torch.nn as nn from torch.utils.data import DataLoader, TensorDataset def objective(trial): # 定义搜索空间 embed_dim = trial.suggest_categorical('embed_dim', [128, 256, 512]) hidden_dim = trial.suggest_int('hidden_dim', 128, 512, step=64) dropout = trial.suggest_float('dropout', 0.1, 0.5) lr = trial.suggest_float('lr', 1e-5, 1e-3, log=True) batch_size = trial.suggest_categorical('batch_size', [16, 32, 64]) # 构建模型 model = EMRClassificationModel( vocab_size=10000, embed_dim=embed_dim, num_classes=10, hidden_dim=hidden_dim ) # 替换dropout率 for module in model.modules(): if isinstance(module, nn.Dropout): module.p = dropout train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True) optimizer = torch.optim.AdamW(model.parameters(), lr=lr) criterion = nn.CrossEntropyLoss() # 训练5个epoch做快速评估 model.train() for epoch in range(5): for batch_x, batch_y in train_loader: optimizer.zero_grad() outputs = model(batch_x) loss = criterion(outputs, batch_y) loss.backward() optimizer.step() # 在验证集上评估 model.eval() correct = 0 total = 0 with torch.no_grad(): for batch_x, batch_y in val_loader: outputs = model(batch_x) _, predicted = torch.max(outputs, 1) correct += (predicted == batch_y).sum().item() total += batch_y.size(0) return correct / total # 创建study并优化 study = optuna.create_study(direction='maximize') study.optimize(objective, n_trials=30) print(f"最佳验证准确率: {study.best_value:.4f}") print(f"最佳参数: {study.best_params}")log=True让学习率在对数尺度上采样，因为学习率对模型性能的影响是指数级的。n_trials=30是精度和耗时的折中，实际项目中如果算力充足可以加到 50。每个 trial 只训练 5 个 epoch 做粗筛，找到最优参数后再用完整 epoch 数训练最终模型。
4.2 评估指标的选择：AUC 不是万能的
文档 6.1 节区分了分类和回归指标，但医疗场景下还要注意：准确率在类别不平衡时会骗人。一个 95% 样本都是阴性的数据集，模型全预测阴性也能拿 95% 准确率，但一个阳性都抓不到。
from sklearn.metrics import (roc_auc_score, average_precision_score, classification_report, confusion_matrix) import numpy as np # 获取测试集预测概率 model.eval() all_probs = [] all_labels = [] with torch.no_grad(): for batch_x, batch_y in test_loader: outputs = model(batch_x) probs = torch.softmax(outputs, dim=1) all_probs.append(probs.numpy()) all_labels.append(batch_y.numpy()) all_probs = np.concatenate(all_probs) all_labels = np.concatenate(all_labels) # 多分类AUC（one-vs-rest） auc = roc_auc_score(all_labels, all_probs, multi_class='ovr', average='macro') print(f"Macro AUC: {auc:.4f}") # 平均精确率（对不平衡数据更敏感） ap = average_precision_score(all_labels, all_probs, average='macro') print(f"Macro AP: {ap:.4f}") # 分类报告：看每个类别的precision/recall/f1 preds = np.argmax(all_probs, axis=1) print(classification_report(all_labels, preds, digits=4)) # 混淆矩阵：看具体哪些类别容易混 cm = confusion_matrix(all_labels, preds) print("混淆矩阵:") print(cm)average='macro'对每个类别等权重计算，不受样本量影响。average_precision_score比 AUC 对少数类更敏感，如果 AP 远低于 AUC，说明模型在少数类上表现差。混淆矩阵能看出具体哪两类疾病容易混，比如“肺炎”和“支气管炎”在症状描述上重叠度高，模型分不清是正常的，需要补充鉴别诊断的特征。
4.3 交叉验证在医疗数据上的正确用法
文档 6.2 节讲了交叉验证原理，但医疗数据要用分层分组交叉验证：既保证每折的类别比例一致，又保证同一患者的记录不跨折。
from sklearn.model_selection import StratifiedGroupKFold import numpy as np # 假设有特征X、标签y、患者ID groups sgkf = StratifiedGroupKFold(n_splits=5, shuffle=True, random_state=42) auc_scores = [] for fold, (train_idx, val_idx) in enumerate(sgkf.split(X, y, groups)): X_train, X_val = X[train_idx], X[val_idx] y_train, y_val = y[train_idx], y[val_idx] # 训练模型（此处省略具体训练代码） # model = train_model(X_train, y_train) # probs = model.predict_proba(X_val) # 计算该折的AUC # fold_auc = roc_auc_score(y_val, probs[:, 1]) # auc_scores.append(fold_auc) # print(f"Fold {fold+1} AUC: {fold_auc:.4f}") # print(f"平均AUC: {np.mean(auc_scores):.4f} ± {np.std(auc_scores):.4f}")StratifiedGroupKFold同时考虑类别分层和分组约束，是医疗数据交叉验证的标准做法。5 折是常用配置，如果数据量少于 1000 条，可以增加到 10 折。报告结果时要写“均值 ± 标准差”，只报均值会掩盖折间波动。
5. 私有化部署的避坑清单：从硬件选型到服务化的五个翻车点
5.1 现象：模型在服务器上推理比开发机还慢
原因：开发机用 GPU 推理，服务器只配了 CPU，或者 GPU 驱动版本和 CUDA 版本不匹配。医疗机构的服务器采购流程长，经常买到和深度学习框架不兼容的显卡。
解决：部署前先跑nvidia-smi确认驱动版本，再对照 PyTorch 官方文档的 CUDA 版本要求。如果只能用 CPU，把模型量化到 INT8，推理速度能提升 2 到 3 倍。用 ONNX Runtime 做 CPU 推理也比原生 PyTorch 快。
# 检查GPU和CUDA版本 nvidia-smi python -c "import torch; print(torch.version.cuda); print(torch.cuda.is_available())" # 如果CUDA不可用，导出ONNX模型用CPU推理 python -c " import torch model = torch.load('best_model.pt', map_location='cpu') dummy_input = torch.randn(1, 128, dtype=torch.long) torch.onnx.export(model, dummy_input, 'model.onnx', input_names=['input'], output_names=['output']) "5.2 现象：服务化后接口响应时间波动大
原因：每次请求都重新加载模型，或者没有做批处理。医疗系统的高峰期集中在上午门诊时段，并发请求一上来，单条推理的延迟直接飙升。
解决：用 FastAPI 做服务化时，在启动时加载模型到全局变量，请求时直接推理。同时加一个简单的请求队列，攒够 batch_size 或超时 50ms 就批量推理。
from fastapi import FastAPI import torch import numpy as np from pydantic import BaseModel app = FastAPI() # 启动时加载模型 model = torch.load('best_model.pt', map_location='cpu') model.eval() class EMRRequest(BaseModel): text: str @app.post("/predict") async def predict(request: EMRRequest): # 实际项目中这里要做tokenize和padding input_ids = tokenize(request.text) with torch.no_grad(): outputs = model(input_ids) probs = torch.softmax(outputs, dim=1) return {"prediction": int(torch.argmax(probs)), "confidence": float(torch.max(probs))}5.3 现象：模型更新后旧接口报错
原因：新模型的输入维度或输出类别数变了，但服务化代码没同步更新。医疗场景下疾病分类的类别可能随科室需求调整，从 10 类变成 15 类，输出层维度变了，旧的前端代码解析不了。
解决：模型版本和接口版本绑定，用 URL 路径区分/v1/predict和/v2/predict。新模型上线前先在测试环境跑一遍全量回归，确认输入输出格式兼容。
5.4 现象：日志里出现大量 OOM
原因：推理时没有限制 batch 大小，或者多个请求同时触发推理导致显存/内存溢出。医疗机构的服务器通常还要跑其他业务系统，资源不是独占的。
解决：在服务化层加信号量控制并发数，同时监控内存使用。如果内存紧张，把模型转为 FP16 或 INT8。用torch.cuda.empty_cache()及时释放缓存。
import asyncio from concurrent.futures import ThreadPoolExecutor # 限制并发推理数为2 semaphore = asyncio.Semaphore(2) executor = ThreadPoolExecutor(max_workers=2) @app.post("/predict") async def predict(request: EMRRequest): async with semaphore: loop = asyncio.get_event_loop() result = await loop.run_in_executor( executor, run_inference, request.text ) return result5.5 现象：数据预处理和训练时不一致
原因：训练时用 jieba 分词加自定义词典，部署时忘了加载词典，同一个病历文本切出来的 token 不一样，模型输入分布偏移，预测结果全乱。
解决：把预处理逻辑封装成一个独立的 Python 模块，训练和推理都调用同一个preprocess()函数。用单元测试固定几个样本的预处理输出，每次改动后跑一遍测试。
# preprocess.py import jieba def preprocess(text): jieba.load_userdict('medical_terms.txt') tokens = jieba.lcut(text) return [t for t in tokens if len(t) > 1] # test_preprocess.py def test_preprocess(): result = preprocess("患者胸痛伴呼吸困难") assert "胸痛" in result assert "呼吸困难" in result assert "伴" not in result # 单字被过滤6. 从 28 页文档到可运行系统：一个验证清单和我的习惯
文档最后一章给了实际案例和效果展示，但案例里的数据是脱敏后的示例，直接照搬到自己的医院大概率跑不通。我的做法是先把文档里的代码块逐个跑一遍，用公开的 MIMIC-III 数据集做验证。MIMIC-III 是麻省理工发布的公开电子病历数据集，有 4 万多条 ICU 记录，字段结构和国内电子病历有差异，但预处理和训练流程可以复用。
验证清单按这个顺序走：先跑数据整合脚本，确认merged_emr_data.csv的字段数和文档描述一致；再跑缺失值处理，检查填充后的数据分布有没有异常偏移；然后跑分词和 TF-IDF，看特征矩阵的稀疏度是否合理；接着用 100 条样本跑通训练循环，确认损失能下降；最后用测试集算 AUC 和混淆矩阵，和文档里的效果对比。如果 AUC 低于文档值 10 个点以上，大概率是数据分布差异或预处理不一致。
有个细节文档里没强调：医疗数据的标签质量。电子病历里的诊断字段经常是医生手写的自由文本，同一个病可能有“2型糖尿病”“II型糖尿病”“T2DM”三种写法。训练前必须做标签归一化，否则模型学出来的分类边界是乱的。我一般用正则加映射表做标准化，把常见变体统一到标准 ICD-10 编码。
import re def normalize_diagnosis(text): """将诊断文本归一化到标准名称""" mapping = { r'2型糖尿病|II型糖尿病|T2DM': '2型糖尿病', r'原发性高血压|高血压病': '原发性高血压', r'急性上呼吸道感染|上感': '急性上呼吸道感染', } for pattern, standard in mapping.items(): if re.search(pattern, text, re.IGNORECASE): return standard return text # 应用归一化 data['diagnosis_normalized'] = data['diagnosis'].apply(normalize_diagnosis) print(data['diagnosis_normalized'].value_counts().head(20))从那以后我每次拿到医疗 AI 项目，第一件事不是看模型架构，而是把标签分布打出来看一遍。标签不干净，再好的模型也是白搭。这份 28 页的文档在流程覆盖上做得不错，从数据到部署都有涉及，但每个环节的深度有限，适合当路线图用，具体实现还得结合自己医院的数据特点调整。希望帮到你。
本文还有配套的精品资源，点击获取
