简介这份资料围绕临床病理诊断常用的免疫组化指标展开面向病理科医师、肿瘤相关临床医师及医学生帮助理解各标记物在肿瘤诊断、预后评估和用药选择中的价值。资源以单项文档形式呈现共1个doc文件压缩包约30KB结构紧凑便于按指标快速查阅。内容梳理P-Gp、GSTπ、TOPOⅡ、ER、PR、C-erbB-2、Ki-67、P53、Nm23等耐药与预后指标覆盖化疗耐药、内分泌治疗、细胞增殖、抑癌基因与转移抑制等维度并说明阳性表达部位、耐药或敏感提示及预后关联同时涉及CK系列、Villin、Hep par 1、CD10等鉴别诊断标记物的应用场景。已有118人学习适合作为病理报告解读、免疫组化套餐选择的参考清单可帮助读者建立指标与临床意义之间的对应关系提升对耐药预后标记组合的理解效率。1. 一份病理科的老 .doc怎么变成能查的免疫组化指标库病理报告上写着「P-gp()、GSTπ()、TOPOⅡ()、Ki-67 约 60%」临床医生拿到手其实很难立刻下判断这几个加号到底指向耐药还是敏感方向是反的。原文作者在丁香园发帖时就说得很直白——许多单位的报告只写阳性结果不写临床意义报告对临床帮助有限。这份《临床常用免疫组化指标的意义.doc》的价值就在于它用「标记物—作用—阳性部位—临床意义」四列把方向讲清楚了。麻烦在于载体。Word 文档里查一个指标要 CtrlF想横向比对「哪些指标阳性提示对顺铂耐药」只能靠人眼扫。真正要把它用起来得先做结构化字段定死、方向定死、面板定死之后查询、拼报告结论、做质量控制才有落点。这篇适合三类人做医疗信息化的后端病理科自己维护报告模板的技师以及手上有这份文档想接进自建小工具的人。中间会给出可直接抄的解析脚本、字段归一化表、判读规则代码和一组校验技巧。2. 免疫组化指标的字段建模阳性部位、耐药谱与判读方向2.1 四个必填字段决定字段表长什么样原文给出的四要素里「阳性部位」最容易被忽略但它直接决定显微镜下看哪里P-gp 在胞膜/胞浆GSTπ 在胞浆TOPOⅡ、ER、PR、Ki-67 都在胞核。判读部位错了阳性率就是错的。所以字段设计上localization必须是枚举数组而不是自由文本一条指标可能同时有多个部位P-gp 就是膜和浆都算。「作用」这一列对应功能分类是后续做组合查询的索引。原文涉及的作用类型大致有药泵、解毒、靶点、性激素作用、细胞增殖标志、癌基因产物、转移抑制基因、上皮/间叶组织标志、神经内分泌标志等。2.2 耐药类指标的方向是反的这是最容易踩坑的地方。P-gp、GSTπ、MRP1、TS 这几类阳性率越高代表越耐药而 TOPOⅡ 是靶点作用阳性率越高反而对这些药越敏感。方向搞反报告结论就是反的。指标作用阳性部位方向关联药物P-gp药泵作用胞膜/胞浆阳性↑ 耐药↑阿霉素、柔红霉素、表阿霉素、米托蒽醌、长春花碱、长春新碱、紫杉醇、泰素帝GSTπ解毒作用胞浆阳性↑ 耐药↑阿霉素、顺铂、氮芥、环磷酰胺、瘤可宁TOPOⅡ靶点作用胞核阳性↑ 越有效蒽环类抗生素、鬼臼毒素类VP16 尤甚MRP1药物外排—影响化疗敏感性与预后相关—TS5-FU 作用靶点— 以上提示 5-FU 耐药5-FUKi-67细胞增殖标志胞核阳性↑ 增殖快、恶性程度↑—ER / PR性激素作用胞核阳性↑ 内分泌治疗越有效、预后越好三苯氧胺等C-erbB-2癌基因产物胞浆阳性↑ 恶性程度↑—方向字段建议直接用枚举resistance阳性越强越耐药、sensitive阳性越强越敏感、malignancy阳性越强恶性度越高、prognosis阳性越强预后越好。不要用「正相关/负相关」这种模糊说法拼报告文本时没法自动生成。2.3 一条记录的字段骨架先定 schema 再写解析代码比反过来省事很多。下面这条是 P-gp 的完整记录字段命名可以直接照搬# 每条免疫组化指标一条记录字段固定避免同义表述混进库 MARKER { code: P-gp, # 报告里出现的写法作为主键 alias: [MDR1, ABCB1, P糖蛋白], # 同义写法检索时一并命中 localization: [membrane, cytoplasm], # 枚举不是自由文本 category: drug_efflux, # 功能分类用于组合查询 direction: resistance, # 判读方向拼结论时靠它 drugs: [阿霉素, 柔红霉素, 表阿霉素, 米托蒽醌, 长春花碱, 长春新碱, 紫杉醇, 泰素帝], note: 药泵作用阳性率越高耐药越强 }code用报告上习惯书写的写法P-gp、GSTπ、TOPOⅡ、C-erbB-2是因为检索入口来自报告文本主键跟着业务走比跟着数据库范式走更实用。alias一定要留同一家医院不同年代的报告里 MDR1 和 P-gp 混用是常态。direction单独成字段是为了让后面第 4 章的规则引擎只依赖这一个值就能决定结论语气。提示localization里的枚举值建议统一成 membrane / cytoplasm / nucleus / membrane_cytoplasm 四种不要直接存中文字符串否则后面做「所有胞核判读的指标」这类筛选时会被「胞核阳性」「核内表达」这类写法卡住。3. 用 python-docx 与正则把指标表拆成 JSON从 P-gp 到 Villin3.1 先探清文档的换行习惯再动手原文里同一行既有「——」也有「--」还有「P—gP」这种把字母间也误打成破折号的情况。直接按「——」切会漏按单个「-」切会碎。稳妥做法是先把分隔符收敛成一种再切列。import re from docx import Document # 读入原始文档按段落取文本跳过空段 doc Document(临床常用免疫组化指标的意义.doc) raw [p.text.strip() for p in doc.paragraphs if p.text.strip()] # 原文混用全角破折号与连续半角横线统一成一种分隔符 SEP re.compile(r[—–-]{2,}) # 但「P—gP」这种把连续破折号塞进词内部的情况要先修掉 FIX_WORD re.compile(r(?[A-Za-z])[—–-]{1,2}(?[A-Za-z])) def normalize(line: str) - str: return FIX_WORD.sub(-, line) def split_item(line: str): parts [p.strip() for p in SEP.split(normalize(line)) if p.strip()] return parts if len(parts) 2 else None # 少于两列的直接丢弃FIX_WORD那条正则用了前后向断言只在两个字母之间替换所以「标记物—-作用—-部位」这种正常分隔不会被误伤。split_item返回 None 是给后续过滤用的——原文里夹着「分享到QQ 空间新浪微博」这类尾串切不出两列直接跳过最省事。3.2 别名表和错字表必须在清洗阶段兜住原文里「紫彬醇」应为「紫杉醇」「谷光甘肽」规范写法是「谷胱甘肽」。这些错字如果带着进库检索时用户搜正确写法就查不到。做法是维护一张替换表在写入前统一过一遍。原文写法规范写法处理方式紫彬醇紫杉醇统一替换别名保留原写法谷光甘肽 S 转移酶谷胱甘肽 S-转移酶统一替换P—gP / P-Gp / P-gpP-gp统一大小写其余入 aliasC—erbB—2 / CerbB2C-erbB-2统一连字符TOPOⅡ / Topo IITOPOⅡ罗马数字转全角Ki—67Ki-67统一连字符# 错字与大小写归一化表key 为原始写法value 为入库写法 NORMALIZE { 紫彬醇: 紫杉醇, 谷光甘肽 S 转移酶: 谷胱甘肽 S-转移酶, P—gP: P-gp, P-Gp: P-gp, C—erbB—2: C-erbB-2, CerbB2: C-erbB-2, Ki—67: Ki-67, } def fix(text: str) - str: for bad, good in NORMALIZE.items(): text text.replace(bad, good) return text.strip()3.3 落库SQLite 比 CSV 更适合做检索CSV 便于人工核对SQLite 便于挂查询。两个都出成本很低。字段一多别名和药物列表用 JSON 字符串塞进单列即可查的时候用json_each展开。import json, sqlite3 conn sqlite3.connect(ihc.db) conn.execute( CREATE TABLE IF NOT EXISTS marker ( code TEXT PRIMARY KEY, -- 指标代号如 P-gp alias TEXT, -- JSON 数组 localization TEXT, -- JSON 数组枚举值 category TEXT, -- 功能分类 direction TEXT, -- resistance / sensitive / malignancy / prognosis drugs TEXT, -- JSON 数组 note TEXT )) def upsert(m): conn.execute( INSERT OR REPLACE INTO marker VALUES (?,?,?,?,?,?,?), (m[code], json.dumps(m[alias], ensure_asciiFalse), json.dumps(m[localization]), m[category], m[direction], json.dumps(m[drugs], ensure_asciiFalse), m[note]) ) upsert(MARKER) # 复用第 2 章那条记录 conn.commit()INSERT OR REPLACE让脚本可重复跑文档改版后重跑一次就同步了。alias、drugs存 JSON 字符串而不是拆成关联表是因为数据量只有几十条拆表带来的 JOIN 成本远高于收益。按药物反查耐药指标一条 SQL 就够-- 找出所有对顺铂耐药相关的指标及其方向 SELECT m.code, m.direction, m.note FROM marker m, json_each(m.drugs) AS d WHERE d.value LIKE %顺铂% AND m.direction resistance;json_each把 JSON 数组展开成行这里的等值匹配换成LIKE是为了容忍「顺铂」前后可能带的空格。4. 耐药预后四项与乳癌七项的组合面板用规则引擎生成报告结论4.1 面板先定义指标才有归属原文明确了两个成套面板恶性肿瘤免疫组化耐药预后标记全套 4 项P-gp、GSTπ、TOPOⅡ、Ki-67乳癌免疫组化耐药预后标记全套 7 项在 4 项基础上加 ER、PR、C-erbB-2。这个「全套」概念要落成数据否则同一份报告这次写 4 项下次写 7 项医生没法纵向比对。面板代号中文名包含指标条数RESIST4恶性肿瘤耐药预后标记P-gp、GSTπ、TOPOⅡ、Ki-674BREAST7乳癌耐药预后标记P-gp、GSTπ、TOPOⅡ、Ki-67、ER、PR、C-erbB-27PANELS { # 面板名 - 指标列表列表顺序决定报告里打印的先后 RESIST4: [P-gp, GSTπ, TOPOⅡ, Ki-67], BREAST7: [P-gp, GSTπ, TOPOⅡ, Ki-67, ER, PR, C-erbB-2], } def missing_keys(panel: str, result: dict) - list: 返回面板里没出结果的项目用于报告完整性校验 return [k for k in PANELS[panel] if k not in result]missing_keys这个函数看着简单用处最大直接堵住「只写阳性结果」这个原文批评的问题——只要是阴性或未做的项目报告里必须显式出现不能留空。4.2 判读规则写成表不要写成 if 堆规则一旦散落在业务代码里加一条新逻辑就要改一处 if测试也没法覆盖。做法是把规则抽成「条件 结论」的数据结构条件用字典表达命中后按优先级取最具体的一条。优先级触发条件生成的结论来源依据1ER 且 PR 且 C-erbB-2内分泌治疗获益可能下降三苯氧胺效果不佳原文明确指出2ER 或 PR对内分泌治疗更可能有效预后相对较好原文3GSTπ 阳性率偏高提示对阿霉素、顺铂、氮芥、环磷酰胺、瘤可宁耐药性较强原文4P-gp 阳性率偏高提示对阿霉素类、长春碱类、紫杉类耐药性较强原文5TOPOⅡ 阳性对蒽环类和鬼臼毒素类尤其 VP16更可能有效原文6Ki-67 高表达肿瘤增殖活跃恶性程度较高原文7C-erbB-2 阳性肿瘤恶性程度较高原文# 规则按优先级从高到低排列命中即停 RULES [ {id: 1, when: lambda r: r.get(ER) and r.get(PR) and r.get(C-erbB-2), text: ER、PR 阳性同时 C-erbB-2 阳性三苯氧胺治疗效果不佳}, {id: 2, when: lambda r: r.get(ER) or r.get(PR), text: 激素受体阳性对内分泌治疗更可能有效预后相对较好}, {id: 3, when: lambda r: r.get(GSTπ, 0) 2, text: GSTπ 阳性率较高对阿霉素、顺铂、氮芥、环磷酰胺、瘤可宁耐药性较强}, {id: 5, when: lambda r: r.get(TOPOⅡ, 0) 1, text: TOPOⅡ 阳性对蒽环类及鬼臼毒素类更可能有效VP16 尤为敏感}, {id: 6, when: lambda r: r.get(Ki-67, 0) 0.5, text: Ki-67 高表达提示肿瘤增殖活跃}, ] def conclude(result: dict) - str: result 形如 {P-gp: 1, GSTπ: 2, Ki-67: 0.6}数值为阳性强度或比例 hits [r[text] for r in RULES if r[when](result)] return .join(hits) if hits else 各标记物阳性强度未见明确提示方向result里的数值约定要统一等级法0/1/2/3 代表阴性/ //和比例法Ki-67 取 01 的小数混用会出错所以Ki-67单独按 0.5 作为阈值判高表达其余按 ≥2 或 ≥1 判阳。阈值本身应该做成配置项而不是硬编码不同单位的分界点不一样。注意规则表里的具体阈值只是便于程序分流的技术约定实际判读以病理科现行的判读规范和抗体说明书为准程序只负责把结论措辞统一不替代判读。4.3 报告结论文本拼装结论有了还要拼成能直接进报告的段落。原文的建议是把「肿瘤细胞免疫组化耐药预后标记」的意义打印在报告中以增加报告的使用价值。拼装时按面板顺序走每个指标一行「指标 结果 部位」最后附一段规则结论。def render(panel: str, result: dict, marker_map: dict) - str: lines [] for code in PANELS[panel]: m marker_map[code] val result.get(code) lines.append(f{code}{ * int(val) if val else 阴性} f 判读部位{/.join(m[localization])} f 意义{m[note]}) lines.append(【综合提示】 conclude(result)) return \n.join(lines)marker_map就是第 3 章落库后读出来的字典。这样改一次指标库的note字段所有报告模板的措辞同步更新不用逐个模板去改。5. 抗体克隆号、临界值与指标库回归校验的几个技巧5.1 克隆号该不该进字段表该进而且不能和指标代号混为一谈。同一个 Ki-67不同克隆号在不同实验室的染色强度和阳性率基线并不一致常见做法是把克隆号作为独立字段挂上去同一指标下允许多行检索时不合并。库里的表结构改成marker(code, clone, vendor, dilution)code不再唯一主键换成(code, clone)。这样 Ki-67 的阳性率参考区间可以按克隆号分别配置避免拿 A 家的基线去卡 B 家的片子。提示克隆号、稀释度、修复方式这三项属于实验室本地参数和原文的临床意义不是同一层级的信息建议分表存放不要塞进note自由文本里。5.2 版本回归校验文档改版后怎么知道库没坏原文档会被人补充、修订每次重跑解析脚本都可能悄悄丢条目。做法是留一份基线快照每次解析完做差集比对少一条就报警。import json def diff_against_baseline(new_db: dict, baseline_pathbaseline.json) - dict: 返回新增、丢失、字段变更三类差异空字典代表无变化 with open(baseline_path, encodingutf-8) as f: old json.load(f) lost {k: old[k] for k in old.keys() - new_db.keys()} # 解析丢条目 added {k: new_db[k] for k in new_db.keys() - old.keys()} # 新增条目 changed { k: {old: old[k], new: new_db[k]} for k in old.keys() new_db.keys() if old[k] ! new_db[k] } return {lost: lost, added: added, changed: changed}比对的键用code但比较值是整个记录字典所以连note改了一个字都能看出来。跑完 diff 后把新的new_db覆盖写回 baseline 前先人工过一眼lost是否为空——非空基本就是解析正则被你改坏了。5.3 把 CK7/CK20/villin 组合做成来源推断查询这套库真正好用的地方在组合查询而不是单指标查意义。原文里最典型的场景是未知原发部位转移癌的来源推断CK7 在卵巢、肺、乳腺上皮常阳性结肠、前列腺、胃肠道上皮阴性CK20 用于胃肠道腺癌、卵巢黏液性肿瘤、皮肤 Merkel 细胞癌鳞癌、乳腺癌、肺癌、子宫内膜和卵巢非黏液性肿瘤常阴性villin 在胃肠道、胰腺、胆管来源的表达率高卵巢浆液性癌、尿道移行细胞癌、前列腺癌通常阴性间皮瘤也多为阴性但子宫内膜样腺癌、卵巢黏液性癌、肾细胞癌和小部分肺癌可以表达。组合提示方向反例要留意CK7- / CK20胃肠道来源可能性高卵巢黏液性肿瘤、Merkel 细胞癌也可符合CK7 / CK20-肺、乳腺、卵巢来源需考虑与 villin 结果需互相印证villin 强阳性 CK20胃肠道/胰腺/胆管来源可能性高子宫内膜样腺癌、卵巢黏液性癌可阳性villin 阴性胃肠道、胰腺、胆囊或胆管来源的可能性明显降低间皮瘤、卵巢浆液性癌、前列腺癌本就常阴性落地成一条 SQL把三个指标一起查出来看方向-- 输入三个指标的阴阳性反查可能来源1 代表阳性0 代表阴性 SELECT code, category, note FROM marker WHERE (code CK7 AND localization LIKE %cytoplasm%) OR (code CK20) OR (code villin);真正的判断逻辑不写在 SQL 里而是把三行结果交给第 4 章那套规则表处理加一组以CK7/CK20/villin为条件的规则即可。规则和指标数据分开维护后面再补 CK19、Hep par 1、TTF-1、CD10 这些来源标志物时只需要往指标库插行、往规则表插条不用碰任何查询代码。本文还有配套的精品资源点击获取 病理免疫组化指标库构建：Word解析、结构化建模与规则引擎
简介这份资料围绕临床病理诊断常用的免疫组化指标展开面向病理科医师、肿瘤相关临床医师及医学生帮助理解各标记物在肿瘤诊断、预后评估和用药选择中的价值。资源以单项文档形式呈现共1个doc文件压缩包约30KB结构紧凑便于按指标快速查阅。内容梳理P-Gp、GSTπ、TOPOⅡ、ER、PR、C-erbB-2、Ki-67、P53、Nm23等耐药与预后指标覆盖化疗耐药、内分泌治疗、细胞增殖、抑癌基因与转移抑制等维度并说明阳性表达部位、耐药或敏感提示及预后关联同时涉及CK系列、Villin、Hep par 1、CD10等鉴别诊断标记物的应用场景。已有118人学习适合作为病理报告解读、免疫组化套餐选择的参考清单可帮助读者建立指标与临床意义之间的对应关系提升对耐药预后标记组合的理解效率。1. 一份病理科的老 .doc怎么变成能查的免疫组化指标库病理报告上写着「P-gp()、GSTπ()、TOPOⅡ()、Ki-67 约 60%」临床医生拿到手其实很难立刻下判断这几个加号到底指向耐药还是敏感方向是反的。原文作者在丁香园发帖时就说得很直白——许多单位的报告只写阳性结果不写临床意义报告对临床帮助有限。这份《临床常用免疫组化指标的意义.doc》的价值就在于它用「标记物—作用—阳性部位—临床意义」四列把方向讲清楚了。麻烦在于载体。Word 文档里查一个指标要 CtrlF想横向比对「哪些指标阳性提示对顺铂耐药」只能靠人眼扫。真正要把它用起来得先做结构化字段定死、方向定死、面板定死之后查询、拼报告结论、做质量控制才有落点。这篇适合三类人做医疗信息化的后端病理科自己维护报告模板的技师以及手上有这份文档想接进自建小工具的人。中间会给出可直接抄的解析脚本、字段归一化表、判读规则代码和一组校验技巧。2. 免疫组化指标的字段建模阳性部位、耐药谱与判读方向2.1 四个必填字段决定字段表长什么样原文给出的四要素里「阳性部位」最容易被忽略但它直接决定显微镜下看哪里P-gp 在胞膜/胞浆GSTπ 在胞浆TOPOⅡ、ER、PR、Ki-67 都在胞核。判读部位错了阳性率就是错的。所以字段设计上localization必须是枚举数组而不是自由文本一条指标可能同时有多个部位P-gp 就是膜和浆都算。「作用」这一列对应功能分类是后续做组合查询的索引。原文涉及的作用类型大致有药泵、解毒、靶点、性激素作用、细胞增殖标志、癌基因产物、转移抑制基因、上皮/间叶组织标志、神经内分泌标志等。2.2 耐药类指标的方向是反的这是最容易踩坑的地方。P-gp、GSTπ、MRP1、TS 这几类阳性率越高代表越耐药而 TOPOⅡ 是靶点作用阳性率越高反而对这些药越敏感。方向搞反报告结论就是反的。指标作用阳性部位方向关联药物P-gp药泵作用胞膜/胞浆阳性↑ 耐药↑阿霉素、柔红霉素、表阿霉素、米托蒽醌、长春花碱、长春新碱、紫杉醇、泰素帝GSTπ解毒作用胞浆阳性↑ 耐药↑阿霉素、顺铂、氮芥、环磷酰胺、瘤可宁TOPOⅡ靶点作用胞核阳性↑ 越有效蒽环类抗生素、鬼臼毒素类VP16 尤甚MRP1药物外排—影响化疗敏感性与预后相关—TS5-FU 作用靶点— 以上提示 5-FU 耐药5-FUKi-67细胞增殖标志胞核阳性↑ 增殖快、恶性程度↑—ER / PR性激素作用胞核阳性↑ 内分泌治疗越有效、预后越好三苯氧胺等C-erbB-2癌基因产物胞浆阳性↑ 恶性程度↑—方向字段建议直接用枚举resistance阳性越强越耐药、sensitive阳性越强越敏感、malignancy阳性越强恶性度越高、prognosis阳性越强预后越好。不要用「正相关/负相关」这种模糊说法拼报告文本时没法自动生成。2.3 一条记录的字段骨架先定 schema 再写解析代码比反过来省事很多。下面这条是 P-gp 的完整记录字段命名可以直接照搬# 每条免疫组化指标一条记录字段固定避免同义表述混进库 MARKER { code: P-gp, # 报告里出现的写法作为主键 alias: [MDR1, ABCB1, P糖蛋白], # 同义写法检索时一并命中 localization: [membrane, cytoplasm], # 枚举不是自由文本 category: drug_efflux, # 功能分类用于组合查询 direction: resistance, # 判读方向拼结论时靠它 drugs: [阿霉素, 柔红霉素, 表阿霉素, 米托蒽醌, 长春花碱, 长春新碱, 紫杉醇, 泰素帝], note: 药泵作用阳性率越高耐药越强 }code用报告上习惯书写的写法P-gp、GSTπ、TOPOⅡ、C-erbB-2是因为检索入口来自报告文本主键跟着业务走比跟着数据库范式走更实用。alias一定要留同一家医院不同年代的报告里 MDR1 和 P-gp 混用是常态。direction单独成字段是为了让后面第 4 章的规则引擎只依赖这一个值就能决定结论语气。提示localization里的枚举值建议统一成 membrane / cytoplasm / nucleus / membrane_cytoplasm 四种不要直接存中文字符串否则后面做「所有胞核判读的指标」这类筛选时会被「胞核阳性」「核内表达」这类写法卡住。3. 用 python-docx 与正则把指标表拆成 JSON从 P-gp 到 Villin3.1 先探清文档的换行习惯再动手原文里同一行既有「——」也有「--」还有「P—gP」这种把字母间也误打成破折号的情况。直接按「——」切会漏按单个「-」切会碎。稳妥做法是先把分隔符收敛成一种再切列。import re from docx import Document # 读入原始文档按段落取文本跳过空段 doc Document(临床常用免疫组化指标的意义.doc) raw [p.text.strip() for p in doc.paragraphs if p.text.strip()] # 原文混用全角破折号与连续半角横线统一成一种分隔符 SEP re.compile(r[—–-]{2,}) # 但「P—gP」这种把连续破折号塞进词内部的情况要先修掉 FIX_WORD re.compile(r(?[A-Za-z])[—–-]{1,2}(?[A-Za-z])) def normalize(line: str) - str: return FIX_WORD.sub(-, line) def split_item(line: str): parts [p.strip() for p in SEP.split(normalize(line)) if p.strip()] return parts if len(parts) 2 else None # 少于两列的直接丢弃FIX_WORD那条正则用了前后向断言只在两个字母之间替换所以「标记物—-作用—-部位」这种正常分隔不会被误伤。split_item返回 None 是给后续过滤用的——原文里夹着「分享到QQ 空间新浪微博」这类尾串切不出两列直接跳过最省事。3.2 别名表和错字表必须在清洗阶段兜住原文里「紫彬醇」应为「紫杉醇」「谷光甘肽」规范写法是「谷胱甘肽」。这些错字如果带着进库检索时用户搜正确写法就查不到。做法是维护一张替换表在写入前统一过一遍。原文写法规范写法处理方式紫彬醇紫杉醇统一替换别名保留原写法谷光甘肽 S 转移酶谷胱甘肽 S-转移酶统一替换P—gP / P-Gp / P-gpP-gp统一大小写其余入 aliasC—erbB—2 / CerbB2C-erbB-2统一连字符TOPOⅡ / Topo IITOPOⅡ罗马数字转全角Ki—67Ki-67统一连字符# 错字与大小写归一化表key 为原始写法value 为入库写法 NORMALIZE { 紫彬醇: 紫杉醇, 谷光甘肽 S 转移酶: 谷胱甘肽 S-转移酶, P—gP: P-gp, P-Gp: P-gp, C—erbB—2: C-erbB-2, CerbB2: C-erbB-2, Ki—67: Ki-67, } def fix(text: str) - str: for bad, good in NORMALIZE.items(): text text.replace(bad, good) return text.strip()3.3 落库SQLite 比 CSV 更适合做检索CSV 便于人工核对SQLite 便于挂查询。两个都出成本很低。字段一多别名和药物列表用 JSON 字符串塞进单列即可查的时候用json_each展开。import json, sqlite3 conn sqlite3.connect(ihc.db) conn.execute( CREATE TABLE IF NOT EXISTS marker ( code TEXT PRIMARY KEY, -- 指标代号如 P-gp alias TEXT, -- JSON 数组 localization TEXT, -- JSON 数组枚举值 category TEXT, -- 功能分类 direction TEXT, -- resistance / sensitive / malignancy / prognosis drugs TEXT, -- JSON 数组 note TEXT )) def upsert(m): conn.execute( INSERT OR REPLACE INTO marker VALUES (?,?,?,?,?,?,?), (m[code], json.dumps(m[alias], ensure_asciiFalse), json.dumps(m[localization]), m[category], m[direction], json.dumps(m[drugs], ensure_asciiFalse), m[note]) ) upsert(MARKER) # 复用第 2 章那条记录 conn.commit()INSERT OR REPLACE让脚本可重复跑文档改版后重跑一次就同步了。alias、drugs存 JSON 字符串而不是拆成关联表是因为数据量只有几十条拆表带来的 JOIN 成本远高于收益。按药物反查耐药指标一条 SQL 就够-- 找出所有对顺铂耐药相关的指标及其方向 SELECT m.code, m.direction, m.note FROM marker m, json_each(m.drugs) AS d WHERE d.value LIKE %顺铂% AND m.direction resistance;json_each把 JSON 数组展开成行这里的等值匹配换成LIKE是为了容忍「顺铂」前后可能带的空格。4. 耐药预后四项与乳癌七项的组合面板用规则引擎生成报告结论4.1 面板先定义指标才有归属原文明确了两个成套面板恶性肿瘤免疫组化耐药预后标记全套 4 项P-gp、GSTπ、TOPOⅡ、Ki-67乳癌免疫组化耐药预后标记全套 7 项在 4 项基础上加 ER、PR、C-erbB-2。这个「全套」概念要落成数据否则同一份报告这次写 4 项下次写 7 项医生没法纵向比对。面板代号中文名包含指标条数RESIST4恶性肿瘤耐药预后标记P-gp、GSTπ、TOPOⅡ、Ki-674BREAST7乳癌耐药预后标记P-gp、GSTπ、TOPOⅡ、Ki-67、ER、PR、C-erbB-27PANELS { # 面板名 - 指标列表列表顺序决定报告里打印的先后 RESIST4: [P-gp, GSTπ, TOPOⅡ, Ki-67], BREAST7: [P-gp, GSTπ, TOPOⅡ, Ki-67, ER, PR, C-erbB-2], } def missing_keys(panel: str, result: dict) - list: 返回面板里没出结果的项目用于报告完整性校验 return [k for k in PANELS[panel] if k not in result]missing_keys这个函数看着简单用处最大直接堵住「只写阳性结果」这个原文批评的问题——只要是阴性或未做的项目报告里必须显式出现不能留空。4.2 判读规则写成表不要写成 if 堆规则一旦散落在业务代码里加一条新逻辑就要改一处 if测试也没法覆盖。做法是把规则抽成「条件 结论」的数据结构条件用字典表达命中后按优先级取最具体的一条。优先级触发条件生成的结论来源依据1ER 且 PR 且 C-erbB-2内分泌治疗获益可能下降三苯氧胺效果不佳原文明确指出2ER 或 PR对内分泌治疗更可能有效预后相对较好原文3GSTπ 阳性率偏高提示对阿霉素、顺铂、氮芥、环磷酰胺、瘤可宁耐药性较强原文4P-gp 阳性率偏高提示对阿霉素类、长春碱类、紫杉类耐药性较强原文5TOPOⅡ 阳性对蒽环类和鬼臼毒素类尤其 VP16更可能有效原文6Ki-67 高表达肿瘤增殖活跃恶性程度较高原文7C-erbB-2 阳性肿瘤恶性程度较高原文# 规则按优先级从高到低排列命中即停 RULES [ {id: 1, when: lambda r: r.get(ER) and r.get(PR) and r.get(C-erbB-2), text: ER、PR 阳性同时 C-erbB-2 阳性三苯氧胺治疗效果不佳}, {id: 2, when: lambda r: r.get(ER) or r.get(PR), text: 激素受体阳性对内分泌治疗更可能有效预后相对较好}, {id: 3, when: lambda r: r.get(GSTπ, 0) 2, text: GSTπ 阳性率较高对阿霉素、顺铂、氮芥、环磷酰胺、瘤可宁耐药性较强}, {id: 5, when: lambda r: r.get(TOPOⅡ, 0) 1, text: TOPOⅡ 阳性对蒽环类及鬼臼毒素类更可能有效VP16 尤为敏感}, {id: 6, when: lambda r: r.get(Ki-67, 0) 0.5, text: Ki-67 高表达提示肿瘤增殖活跃}, ] def conclude(result: dict) - str: result 形如 {P-gp: 1, GSTπ: 2, Ki-67: 0.6}数值为阳性强度或比例 hits [r[text] for r in RULES if r[when](result)] return .join(hits) if hits else 各标记物阳性强度未见明确提示方向result里的数值约定要统一等级法0/1/2/3 代表阴性/ //和比例法Ki-67 取 01 的小数混用会出错所以Ki-67单独按 0.5 作为阈值判高表达其余按 ≥2 或 ≥1 判阳。阈值本身应该做成配置项而不是硬编码不同单位的分界点不一样。注意规则表里的具体阈值只是便于程序分流的技术约定实际判读以病理科现行的判读规范和抗体说明书为准程序只负责把结论措辞统一不替代判读。4.3 报告结论文本拼装结论有了还要拼成能直接进报告的段落。原文的建议是把「肿瘤细胞免疫组化耐药预后标记」的意义打印在报告中以增加报告的使用价值。拼装时按面板顺序走每个指标一行「指标 结果 部位」最后附一段规则结论。def render(panel: str, result: dict, marker_map: dict) - str: lines [] for code in PANELS[panel]: m marker_map[code] val result.get(code) lines.append(f{code}{ * int(val) if val else 阴性} f 判读部位{/.join(m[localization])} f 意义{m[note]}) lines.append(【综合提示】 conclude(result)) return \n.join(lines)marker_map就是第 3 章落库后读出来的字典。这样改一次指标库的note字段所有报告模板的措辞同步更新不用逐个模板去改。5. 抗体克隆号、临界值与指标库回归校验的几个技巧5.1 克隆号该不该进字段表该进而且不能和指标代号混为一谈。同一个 Ki-67不同克隆号在不同实验室的染色强度和阳性率基线并不一致常见做法是把克隆号作为独立字段挂上去同一指标下允许多行检索时不合并。库里的表结构改成marker(code, clone, vendor, dilution)code不再唯一主键换成(code, clone)。这样 Ki-67 的阳性率参考区间可以按克隆号分别配置避免拿 A 家的基线去卡 B 家的片子。提示克隆号、稀释度、修复方式这三项属于实验室本地参数和原文的临床意义不是同一层级的信息建议分表存放不要塞进note自由文本里。5.2 版本回归校验文档改版后怎么知道库没坏原文档会被人补充、修订每次重跑解析脚本都可能悄悄丢条目。做法是留一份基线快照每次解析完做差集比对少一条就报警。import json def diff_against_baseline(new_db: dict, baseline_pathbaseline.json) - dict: 返回新增、丢失、字段变更三类差异空字典代表无变化 with open(baseline_path, encodingutf-8) as f: old json.load(f) lost {k: old[k] for k in old.keys() - new_db.keys()} # 解析丢条目 added {k: new_db[k] for k in new_db.keys() - old.keys()} # 新增条目 changed { k: {old: old[k], new: new_db[k]} for k in old.keys() new_db.keys() if old[k] ! new_db[k] } return {lost: lost, added: added, changed: changed}比对的键用code但比较值是整个记录字典所以连note改了一个字都能看出来。跑完 diff 后把新的new_db覆盖写回 baseline 前先人工过一眼lost是否为空——非空基本就是解析正则被你改坏了。5.3 把 CK7/CK20/villin 组合做成来源推断查询这套库真正好用的地方在组合查询而不是单指标查意义。原文里最典型的场景是未知原发部位转移癌的来源推断CK7 在卵巢、肺、乳腺上皮常阳性结肠、前列腺、胃肠道上皮阴性CK20 用于胃肠道腺癌、卵巢黏液性肿瘤、皮肤 Merkel 细胞癌鳞癌、乳腺癌、肺癌、子宫内膜和卵巢非黏液性肿瘤常阴性villin 在胃肠道、胰腺、胆管来源的表达率高卵巢浆液性癌、尿道移行细胞癌、前列腺癌通常阴性间皮瘤也多为阴性但子宫内膜样腺癌、卵巢黏液性癌、肾细胞癌和小部分肺癌可以表达。组合提示方向反例要留意CK7- / CK20胃肠道来源可能性高卵巢黏液性肿瘤、Merkel 细胞癌也可符合CK7 / CK20-肺、乳腺、卵巢来源需考虑与 villin 结果需互相印证villin 强阳性 CK20胃肠道/胰腺/胆管来源可能性高子宫内膜样腺癌、卵巢黏液性癌可阳性villin 阴性胃肠道、胰腺、胆囊或胆管来源的可能性明显降低间皮瘤、卵巢浆液性癌、前列腺癌本就常阴性落地成一条 SQL把三个指标一起查出来看方向-- 输入三个指标的阴阳性反查可能来源1 代表阳性0 代表阴性 SELECT code, category, note FROM marker WHERE (code CK7 AND localization LIKE %cytoplasm%) OR (code CK20) OR (code villin);真正的判断逻辑不写在 SQL 里而是把三行结果交给第 4 章那套规则表处理加一组以CK7/CK20/villin为条件的规则即可。规则和指标数据分开维护后面再补 CK19、Hep par 1、TTF-1、CD10 这些来源标志物时只需要往指标库插行、往规则表插条不用碰任何查询代码。本文还有配套的精品资源点击获取