1. 使用者介面層 (Presentation Layer)

• 對象： 病理科醫師與研究人員。

• 功能： 提供直觀的 Web UI，支援病理報告的 CRUD 管理、批量上傳及即時驗證。

• 體驗： 透過異步處理機制提供即時結果回饋，優化臨床作業流程。

2. 資料管理層 (Data Layer)

• 黃金病例庫 (Golden Dataset)： 儲存經專家審核、符合 AJCC TNM 標準的規範化報告，作為比對基準。

• 待驗證資料 (Test Dataset)： 使用者上傳之原始報告，需進行合規性偵測。

3. 核心處理層 (Core Logic Layer)

系統採用「多階混合判定機制」，確保效能與準確率：

• 資料前處理： 自動執行欄位歸一化、缺失值修補及格式統一。

• 硬性規則稽核 (Rule-based Check)： 針對關鍵欄位進行初步篩選，標註 Critical（嚴重錯誤）或 Warning（警示）。

• 語意相似度檢索 (Vector Search)：

  • 利用 multilingual-e5-small 模型將文本向量化。

  • 於 MySQL 儲存向量，並透過 Numpy 進行矩陣運算，比對與黃金病例的 Cosine 相似度。

• AI 深度判定 (LLM Inference)：

  • 針對相似度處於「模糊區間」的案件，交由 gpt-oss-20b 模型進行精準邏輯判斷。

4. 輸出與視覺化層 (Output Layer)

• 結果呈現： 以視覺化圖表展示報告合格率與分佈狀況。

• 輔助建議： 針對不合規內容提供差異分析與自動修正建議，協助醫師快速調整。

• 數據匯出： 支援 Excel/CSV 格式，供後續臨床研究或行政稽核使用。

5. 技術支援架構 (Technical Infrastructure)

為確保醫療數據安全性與隱私：

• 落地化佈署 (On-premise LLM)： 採用 gpt-oss-20b 於院內運行，確保數據不外流。

• 推論加速： 整合 vLLM 框架與 MXFP4 量化技術，在有限硬體資源下實現高效能推論。

• RAG 工作流： 結合嵌入模型與 MySQL 檢索，建構完整的檢索增強生成（RAG）架構，提升判定依據的可靠性。