核心功能
Medical Entity Extractor 是一款专用于医疗健康领域的结构化信息提取工具，能够将患者自由文本描述（如邮件、消息、症状自述）转化为标准化的医疗实体数据。该技能支持六大类实体识别：症状（含严重度、持续时间、起病时间）、用药信息（名称、剂量、频次、给药途径）、化验与生命体征（血压、血糖等数值及单位）、诊断（确认/疑似/排除）、时间线索，以及患者诉求（预约、续方、咨询等）。
显著优点
- 医疗场景专精：内置医学术语映射（如 "sugar"→糖尿病）、常用缩写识别（BP、HR、O2 sat）及品牌/通用名药物对照
- 时间推理能力：解析 "since yesterday"、"for the past week" 等自然语言时间表达，自动计算症状持续时长
- 结构化输出：输出符合临床文档规范的 JSON 格式，便于接入 EHR 系统或下游分析流程
- 隐私优先架构：基于 OpenClaw 本地执行，患者数据不离境，仅 LLM 推理环节调用 Claude API
局限性与风险
- 非诊断工具：提取的诊断仅为文本提及内容，不做临床验证，不能替代医生判断
- 依赖 LLM 准确性：实体边界识别、数值单位归一化等环节受模型幻觉影响，可能出现剂量误读或症状漏判
- 多语言限制：文档未明确支持中文等非英语语境，跨语言迁移效果存疑
- 监管合规：MIT 开源协议未涵盖医疗器械认证，临床部署需自行评估 HIPAA/GDPR 等合规要求
适合人群
- 互联网医疗平台的病历结构化工程师
- 临床科研团队的患者报告结局（PRO）数据处理人员
- 数字疗法产品的用户输入解析模块开发者
- 健康科技创业公司的 NLP 管线搭建者
常规风险提示
建议在提取结果进入临床工作流前设置人工审核节点，对关键用药剂量和异常化验值进行二次校验；避免直接将输出用于自动处方或诊断决策；定期审计模型在特定病种人群中的提取准确率偏差。