欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

医药企业稳定性考察档案的 AI 知识库建设方案:从 Excel 台账到条件化检索

上邦 AI 工程团队2026-10-10阅读 约 7 分钟
稳定性考察档案随品种、规格与考察批次逐年累积,长期靠 Excel 台账加人工翻档,检索效率低且容易漏检。本文给出四类核心资产盘点分层、八字段元数据建模、python-docx 标题层级切片与正则抽取、Chroma 条件过滤检索的完整落地路径,并附检索命中率、台账一致率、到期提醒率三项验收指标,同时强调档案原件归档与 ALCOA+ 数据可靠性原则不得松懈。
稳定性考察是药品全生命周期的法定质量义务。按《药品生产质量管理规范(2010年修订)》的要求,持续稳定性考察应当涵盖药品有效期,考察方案需明确每种规格、每个生产批量药品的考察批次数、试验间隔时间点、贮存条件与检验项目等内容。对多品种、多规格的药企而言,长期、加速、中间条件并行,考察批次逐年累积,档案数量很容易达到数千份。多数企业的检索手段仍然是一张 Excel 台账加人工翻档案,查找一份两年前某规格在加速条件下的考察报告,往往要跨部门询问半天。

一、四类核心资产盘点与分层

动手建库之前,先做资产盘点。稳定性考察相关的文档通常可分四层:一是考察方案与方案偏离记录,定义考察怎么做的;二是考察报告与检验数据,记录考察发现了什么;三是持续稳定性考察的定期汇总(月报、年报、年度产品回顾),沉淀趋势判断;四是与考察相关的变更控制、OOS 调查、留样台账等关联文件。盘点时按品种、规格、条件三个维度建立清单,标注每类文档的存放位置、文件格式与责任部门,这一步决定后面元数据模型的字段设计。

二、元数据建模:检索的灵魂在过滤字段

稳定性考察档案的检索需求高度结构化,典型问题形如「某品种 10mg 规格在加速条件下、2024 年之后启动的考察报告有哪些」。这类问题靠纯向量相似度召回效果有限,必须配元数据过滤。建议字段至少包括:品种名称、规格、批号、考察条件(长期、加速、中间)、启动日期、考察状态(进行中、已完成、异常)、文档类型、现行版标记。其中现行版标记与生效期管理要遵循一条原则:默认只检索现行有效版本,作废文档必须零召回。

三、切片入库:python-docx 与正则的组合

多数考察方案与报告为 docx 格式,可用 python-docx 按标题层级切片,再用正则补充提取批号与条件信息。示例代码如下:
from docx import Document
import re

def slice_docx(path):
    doc = Document(path)
    chunks = []
    cur_title = '文档开头'
    buf = []
    for p in doc.paragraphs:
        text = p.text.strip()
        if not text:
            continue
        if p.style.name.startswith('Heading'):
            if buf:
                chunks.append((cur_title, chr(10).join(buf)))
            cur_title = text
            buf = [text]
        else:
            buf.append(text)
    if buf:
        chunks.append((cur_title, chr(10).join(buf)))
    return chunks

def extract_meta(text):
    meta = {}
    m = re.search(r'批号[::]?\s*([A-Z0-9\-]+)', text)
    if m:
        meta['batch'] = m.group(1)
    for cond in ('长期', '加速', '中间'):
        if cond in text:
            meta['condition'] = cond
            break
    return meta
切片粒度建议控制在二三百字一段:太粗则单条内容混杂多个考察时间点,检索命中后引用混乱;太细则上下文断裂,检验项目与判定标准分离。

四、Chroma 条件过滤检索

入库时把元数据一并写入,查询时用 where 条件先过滤再语义检索,示例基于 Chroma 的 PersistentClient:
import chromadb

client = chromadb.PersistentClient(path='./stability_kb')
col = client.get_or_create_collection('stability')

res = col.query(
    query_texts=['加速条件下有关物质的变化趋势'],
    n_results=5,
    where={'$and': [
        {'product': {'$eq': '某品种胶囊'}},
        {'condition': {'$eq': '加速'}},
        {'status': {'$eq': '现行'}},
    ]},
)
for doc, meta in zip(res['documents'][0], res['metadatas'][0]):
    print(meta['doc_type'], meta['spec'], doc[:80])
检索界面不需要一步到位:第一周先让质量部门用简易页面或命令行验证命中率,第二周再开放给车间与注册部门。开放范围同步做权限收敛,涉及注册申报与临床批次的考察信息默认仅质量部可见,避免敏感数据随检索扩散。
两点提醒:其一,知识库只是检索层,档案原件与原始记录必须按 GMP 要求继续归档保存,任何回答都应附文件名与出处,供质量人员核对;其二,数据可靠性遵循 ALCOA+ 原则,知识库中的内容不允许人工改写,只做索引与呈现,避免出现与原始记录不一致的第二版本。

五、验收指标与迭代

上线后建议盯三个指标:一是检索命中率,抽 30 个真实业务问题让质量人员盲评,命中率低于七成先查元数据质量而不是急着换模型;二是台账一致率,向量库中的档案清单与 Excel 台账逐条比对,不一致即暴露入库遗漏;三是到期提醒率,结合考察时间点设置到期未检提示,这恰是台账方式最容易漏的场景。元数据字段准确率上来了,检索体验会随之明显改善。
稳定性考察档案只是药企知识资产的一角。上邦的私有 AI 知识库方案支持文档解析、元数据过滤与全私有化部署,考察报告、SOP、验证文件可统一入库检索,详细方案见 https://aiwork.shangbon.com/ai-rag.html,欢迎结合企业实际场景评估。

参考来源

药品生产质量管理规范(2010年修订)持续稳定性考察相关条款 - PharmaTEC 制药网
药品生产质量管理规范(2010年修订)原文 - 北京市人民政府门户网站
Chroma 官方文档(PersistentClient 与 where 过滤) - docs.trychroma.com
相关标签:企业AI知识库医药行业稳定性考察RAG私有化部署

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案