Clinflash EDC 再升级！OCR+LLM 双擎驱动，解锁 LNR 录入新方式！
在临床试验中，实验室检查结果是评估受试者健康状况、判断试验药物安全性与有效性的关键依据，而实验室正常值范围（LNR）数据的准确录入则是这一过程的核心环节。
LNR通常包含上下限值及单位，还需根据受试者的性别与年龄等条件进行动态限定，作为结果判读的基准标尺，其精准程度直接关系到试验数据的可靠性和研究结论的科学性。针对该环节，Clinflash EDC新推出了智能识别导入功能，可帮助用户显著提高LNR数据录入效率和准确度。
直击痛点 l 传统LNR数据录入模式效率瓶颈显著
目前，LNR数据录入主要有两种模式：
01 l 网页手动录入
用户需根据要求逐项填写检查指标、上下限值、单位及条件信息等，虽然操作直观，但流程繁琐且耗时多，更易因人为操作产生误差。
02 l Excel模板批量上传
该模式能在一定程度上提高效率，但对文件格式要求严格，需将非结构化文档（如扫描件）预处理为标准格式，这一过程同样会大幅增加相关人员的工作量。
解决方案 l Clinflash EDC创新智能识别导入功能
易迪希在临床试验领域深耕多年，积累了丰富的专业知识和实操经验。Clinflash EDC团队通过大量项目实践发现，在录入LNR数据时，用户端最常见的原始资料形式是非结构化文件（如Word文档、纸质表格扫描件及照片），与标准格式要求不符。
为此，易迪希创新开发了基于光学字符识别（OCR）和大语言模型（LLM）的智能识别导入功能，可帮助用户在 LNR 录入时实现效率和准确性双跃升。
图：Clinflash EDC支持上传非结构化文件进行LNR数据录入
通过该功能，用户上传PDF、图片等原始数据文件后，系统将通过OCR引擎识别并提取文本、表格结构及版式信息，并将识别结果转换为通用文本格式。随后，系统会自动将文本输入内置大语言模型，通过提示工程（Prompt Engineering）引导模型抽取所需字段信息，解析输出结果并导入至EDC系统LNR配置模块。
兼容复杂版式
该功能可直接识别不同版式的实验室指标文档（包括原始图片、PDF文件及横/竖版/分栏/嵌套表格），将复杂文档结构化为标准数据结构。完成结构化转换后，系统可通过LLM实现超高准确度的信息提取。
简化模型体系
传统NLP通常需要多个模型（如表格检测、实体识别、条件解析等）协同处理。相比之下，新功能采用“单模型多任务”范式替代传统多模型串联架构，在大幅降低系统复杂度的同时，还可有效减少维护成本。
高可扩展性
新功能的信息提取规则完全基于Prompt工程设计，当用户需要新增字段或医学表格类型时，仅需调整提示内容即可快速适配，具有极高的灵活性与可维护性。
Clinflash EDC电子数据采集系统由资深数据管理与EDC专家团队带领开发，具备卓越的底层架构和强大的Custom Function功能，可助力客户大幅提升整体临床试验效率。自2014年推出以来，Clinflash EDC已服务全球超7000个临床研究项目，深受国内外用户信赖。
未来，易迪希Clinflash EDC将持续迭代智能引擎技术，以创新功能满足用户的多样化需求，为客户带来更优质的使用体验！
上一页
首页
下一页
