体检指标生成健康建议

import pandas as pd
from peft import AutoPeftModelForCausalLM
from transformers import AutoTokenizer, AutoModelForCausalLM, GenerationConfig
from vllm_wrapper import vLLMWrapper
from tqdm import tqdm

sft_path = "/mnt/sdd/Qwen-7B-Chat"
tokenizer = AutoTokenizer.from_pretrained(sft_path, trust_remote_code=True)
model = vLLMWrapper(sft_path, tensor_parallel_size=1)
# model = AutoModelForCausalLM.from_pretrained(sft_path, device_map="auto", trust_remote_code=True).eval()

import uuid

def data_load():
    zb = pd.read_csv('/home/wangyp/Big_Model/infectious_disease/data/zb.csv', header=0)
    # print(zb.head(10))
    nums = []
    yins = {}
    nulls = []
    
    for item in zb.itertuples(index=False):
        if item.normal_desc is not None and item.normal_desc.strip() != '':
            yins[item.NAME.strip()] = item.normal_desc.strip()
        if( (item.range_floor is not None and str(item.range_floor).strip() != '') and (item.range_ceil is not None and str(item.range_ceil).strip() != '') ):
            nums.append({item.NAME.strip(): str(item.range_floor).strip() + "-" + str(item.range_ceil).strip() })
        else:
            nulls.append(item.NAME.strip())
    return yins, nums, nulls

def zao_yins(yins):
    res = []
    for key in yins.keys():
        res.append({"name": key, "value": key + "这种体检指标阳性。"})
        res.append({"name": key, "value": key + "的检测结果异常，与正常值不符。" })
        res.append({"name": key, "value": key + "的检测显示出阳性反应。" })
        res.append({"name": key, "value": key + "检测结果为阳性，提示异常。" })
        res.append({"name": key, "value": key + "的阳性结果在体检中被检测到。" })
        res.append({"name": key, "value": key + "试验为阳性异常状态" })
        res.append({"name": key, "value": key + "的阳性结果在体检中得到了确认。" })
        res.append({"name": key, "value": key + "的检测结果表明为阳性。" })
        res.append({"name": key, "value": "在进行检测" + key + "指标时，结果被判定为阳性。" })

    return res

def zao_nums(nums):
    res = []
    keys_list = [key for d in nums for key in d.keys()]
    for key in keys_list:
        res.append({"name": key, "value": key + "检测结果显示异常。"})
        # res.append({"name": key, "value": key + "的检查值超出了正常范围。"})
        res.append({"name": key, "value": key + "的测量值与标准值不符。"})
        # res.append({"name": key, "value": key + "检测结果呈现异常状态。"})
        res.append({"name": key, "value": key + "的数值在体检中被标记为异常。"})
        # res.append({"name": key, "value": key + "检查结果显示了不正常的数值。"})
        res.append({"name": key, "value": key + "的检测结果不在正常参考值内。"})
        # res.append({"name": key, "value": key + "检查报告提示数值异常。"})
        # res.append({"name": key, "value": "体检报告指出" + key + "水平不正常。"})
        res.append({"name": key, "value": "体检中发现" + key + "水平异常。"})
        # res.append(key + "检测结果显示异常。")

    return res
# 体检中发现尿酮水平异常，帮我生成10条描述，保持句子意思不变
def z_nulls(nulls):
    res = []
    for key in nulls:
        res.append("体检结果显示" + key + "水平出现异常。")
        res.append("在进行体检时，发现" + key + "的数值不在正常范围内。")
        res.append("体检报告中指出" + key + "水平有异常情况。")
        res.append("体检时，" + key + "水平的测定结果超出了预期的正常值。")
        res.append("体检中测得的" + key + "水平与正常值有所偏差。")
        res.append("体检数据中，" + key + "的数值检测出异常。")
        res.append(key + "的检测结果表明存在异常。")
        res.append(key + "的检测值在体检中被标记为异常。")
        res.append(key + "水平的体检结果提示有异常。")
    return res

yins_template = """

"""

# 定义一个带有槽位的字符串模板
"""
狼疮抗凝血因子试验检查结果显示阳性。 你是一名体检报告领域的专家，请生成一段关于该体检指标异常的改善建议。\n
下面是生成体检指标相关的建议时的要求：健康建议严格包含如下几项：体检指标名称、 检测结果、正常参考值、就医建议、进一步检查、定期复查、饮食建议、运动建议、睡眠建议、压力管理、预防措施、心理支持、后续跟进、紧急情况 这几项。生成建议请参考以下格式：\n

体检指标名称：狼疮抗凝血因子试验\n
    检测结果：只能是[阴性/阳性]中的一种,\n
    正常参考值：阴性\n
就医建议：[建议咨询的专科医生或医疗机构]\n
进一步检查：[关于狼疮抗凝血因子试验这个指标可能需要的进一步检查项目]\n
定期复查：[狼疮抗凝血因子试验这个指标建议的复查时间和频率]\n
饮食建议：[针对狼疮抗凝血因子试验该指标的饮食建议]\n
运动建议：[适量的运动建议]\n
睡眠建议：[保证充足睡眠的重要性]\n
压力管理：[如何有效管理压力]\n
预防措施： \n
    避免风险因素：[针对狼疮抗凝血因子试验该指标应避免的风险因素，如果没有就写无]\n
    疫苗接种：[如果适用，建议接种狼疮抗凝血因子试验相关的疫苗，如果没有就写无]\n
心理支持： 如果检测结果引起担忧，建议寻求心理支持。\n
后续跟进： 建议与医生讨论后续的治疗计划或健康管理策略。\n
紧急情况： 如果出现[狼疮抗凝血因子试验该指标相关的具体症状]，请立即就医。\n
"""
yins_template = """
{disc}你是一名体检报告领域的专家，请生成一段关于该体检指标异常的改善建议。\n
下面是生成体检指标相关的建议时的要求：健康建议严格包含如下几项：体检指标名称、 检测结果、正常参考值、就医建议、进一步检查、定期复查、饮食建议、运动建议、睡眠建议、压力管理、预防措施、心理支持、后续跟进、紧急情况 这几项。生成建议请参考以下格式：\n
体检指标名称：{name}\n
检测结果：只能是[阴性/阳性]中的一种,\n
正常参考值：阴性\n
就医建议：[建议咨询的专科医生或医疗机构]\n
进一步检查：[关于{name}这个指标可能需要的进一步检查项目]\n
定期复查：[{name}这个指标建议的复查时间和频率]\n
饮食建议：[针对{name}该指标的饮食建议]\n
运动建议：[适量的运动建议]\n
睡眠建议：[保证充足睡眠的重要性]\n
压力管理：[如何有效管理压力]\n
预防措施： \n
避免风险因素：[针对{name}该指标应避免的风险因素，如果没有就写无]\n
疫苗接种：[如果适用，建议接种{name}相关的疫苗，如果没有就写无]\n
心理支持： 如果检测结果引起担忧，建议寻求心理支持。\n
后续跟进： 建议与医生讨论后续的治疗计划或健康管理策略。\n
紧急情况： 如果出现[{name}该指标相关的具体症状]，请立即就医。\n
"""

nums_template = """
{disc}你是一名体检报告领域的专家，请生成一段关于该体检指标异常的改善建议。\n下面是生成体检指标相关的建议时的要求：健康建议严格包含如下几项：复检确认、营养评估、医疗咨询、健康饮食、生活方式调整、药物治疗、定期监测、记录症状这几项。生成建议请参考以下格式：\n体检结果提示您的{name}不在正常参考值内，这可能与多种因素有关，包括营养不良、维生素缺乏或某些疾病状态。以下是一些建议：\n复检确认：{name}相关的复检建议。\n营养评估：考虑针对{name}进行一次全面的营养评估。\n医疗咨询：咨询医生，以确定是否需要进一步的检查和{name}相关的其他检测。如血红蛋白电泳、血清铁蛋白、维生素B12和叶酸水平检测。\n健康饮食：饮食建议，这些食物富含补充{name}必要的营养素。\n生活方式调整：保持适度的体育活动，避免饮酒和吸烟，这些都可能影响{name}的健康。\n药物治疗：如果医生建议，可能需要服用补充剂或药物来纠正{name}异常。\n定期监测：根据医生的建议，定期监测{name}和其他{name}相关指标。\n记录症状：注意任何可能与{name}相关的症状，如疲劳、头晕或呼吸困难，并及时告知医生。\n请记住，{name}的异常可能是多种情况的指标，因此重要的是遵循医疗专业人员的指导进行进一步的评估和治疗。\n
"""
# filled_nums_template = nums_template.format(name=name)


def load_model():
    pass
    
if __name__ == '__main__':
    all = []
    yins, nums, nulls = data_load()
    # 遍历，一个字段造10个template，存储到list中，写入文件
    yins_tem = zao_yins(yins)
    # nums_tem = zao_nums(nums)
    # nulls_tem = z_nulls(nulls)
    # all = yins_tem + nums_tem + nulls_tem
    # print(len(yins_tem))
    # print(len(nums_tem))
    # print(len(nulls_tem))
    # nums_conversations = []
    # for num in tqdm(nums_tem):
    #     filled_nums_template = nums_template.format(disc=num["value"], name=num["name"])
    #     response, history = model.chat(filled_nums_template, history=None)
    #     nums_conversations.append({"id": str(uuid.uuid4()), "conversations": [{"from": "user", "value": num["value"]}, {"from": "assistant", "value": response}]})
    #
    # with open("/home/wangyp/Big_Model/infectious_disease/data/zb_train.json", "w", encoding="utf-8") as f:
    #     f.write(",\n".join(str(i) for i in nums_conversations))

    # print("nums_conversations数据处理完毕。。。。。。。。。。。。。。。。。。。")
    nums_conversations = []
    for num in tqdm(yins_tem):
        filled_yins_template = yins_template.format(disc=num["value"], name=num["name"])
        response, history = model.chat(filled_yins_template, history=None)
        nums_conversations.append({"id": str(uuid.uuid4()), "conversations": [{"from": "user", "value": num["value"]}, {"from": "assistant", "value": response}]})

    with open("/home/wangyp/Big_Model/infectious_disease/data/zb_yin_train.json", "w", encoding="utf-8") as f:
        f.write(",\n".join(str(i) for i in nums_conversations))
    print("yins_conversations数据处理完毕。。。。。。。。。。。。。。。。。。。")