Single-prompt parameter analysis

Подход к AI-интерпретации одного лабораторного параметра одним LLM-вызовом с одним промптом-template, в который инжектится статический medical context. Один из двух подходов в pipeline’е BloodGPT — параллельно с biomarker-analysis-pipeline (см. staged-output-fhir-storage про сравнение).

Структура

build medical context (один раз на тест из FHIR)
    │
    ↓
для каждого параметра (sequential):
    template substitution (single_parameter_analysis из Langfuse)
        + biomarker name, value, unit, refRange
        + abnormal observations из того же теста
        + conditions / medications / allergies пациента
    │
    ↓
analyzeTextWithStructuredOutput(prompt, schema)
    └── один LLM call → JSON по Zod schema
    │
    ↓
flat ParameterAnalysis row → Postgres
    └── копия prose-текста → FHIR Observation.note[].text

{>>Storage layout ниже устарел после BG-1337 PR-5/PR-7 (примерно после 2026-05-07 даты этой страницы). Текущее состояние per packages/database/prisma/schema.prisma:326-329 + prisma-batch.ts:94: ParameterAnalysis / TestOverview / FollowUpRecommendations / PanelOverview / ParameterTrends — все 5 таблиц dropped. Per-param результат пишется в BloodTest.enrichmentDraft.parameters[] (Json column, transient во время прогона), post-completion source of truth — FHIR Composition + CarePlan. Запись в Observation.note[].text тоже надо verify — может быть тоже изменилась. Эту секцию + раздел Output ниже надо refresh’нуть.<<}

Один LLM round-trip per parameter, без агентского loop’а, без stages, без structured evidence.

Контекст-инжекшн

Medical context собирается детерминированно один раз до loop’а:

• patient demographics (age, sex)
• active conditions (Condition)
• active medications (MedicationStatement / MedicationRequest)
• allergies (AllergyIntolerance)
• abnormal observations (другие параметры из того же теста)

Всё это inline в prompt-template через переменные. LLM видит контекст в одном блоке, не выбирает что подгрузить.

Output

{>>см. CriticMarkup выше — секция Output устарела после BG-1337; ParameterAnalysis table dropped, parameterDetails теперь в BloodTest.enrichmentDraft.parameters[].parameterDetails. Структуру полей ниже надо сверить с current LocalParameterAnalysis в apps/analysis-worker/inngest/functions/analysis-steps/types.<<}

ParameterAnalysis flat row в Postgres:

• interpretation — H / L / N
• isHealthy — boolean
• parameterDetails — text (AI explanation)
• triagePriority
• requiresDoctorPreparation — boolean

parameterDetails дублируется в Observation.note[].text для FHIR-чтения. Без structured evidence, без citations, без per-audience варианта. Один text-вывод на единую аудиторию.

Где живёт

Артефакт	Расположение
TS реализация	packages/analysis-core/src/services/blood-parameter-analysis.service.ts (BloodParameterAnalysisService)
Langfuse prompt	single_parameter_analysis (production-managed)
Activation toggle	SKIP_LEGACY_ANALYSIS env var (true → пропускается)
Pre-TS implementation	legacy BloodGPT-dotnet repo

Свойства

• Простой conceptual model — один промпт, понятный input/output
• Prompt iteration через Langfuse без code deploy — централизованное версионирование
• Одна точка качества — качество = качество промпта; A/B на промптах простой
• Низкий cost / latency — один LLM round-trip per param, ~5-15s
• Нет dynamic retrieval — context fixed на момент сбора
• Flat output structure — нет evidence items, citations, mechanism chain’ов

Известные ограничения

• Нельзя гранулярно дебажить вывод — если интерпретация плохая, неясно что починить: prompt? medical context build? schema? — всё в одном вызове
• Нет audience-split — output один; doctor / patient delineation возможна только через style hint в промпте, не через separate ресурс
• Нет structured evidence — quotes из guidelines невозможно прикрепить к конкретному выводу
• Static context может быть неполон — agentic retrieval недоступен; «чего не хватает в context’е» не выявляется

Связано

• staged-output-fhir-storage — где обсуждается переход на staged подход
• biomarker-analysis-pipeline — sibling-страница про staged подход (Reasoner + Writer + Personalizer)
• fhir-observation — куда single-prompt output попадает (note[])
• fhir-clinical-impression — куда staged-analysis output попадает (для контраста)
• parameter-range-type-prompt — параллельный Langfuse-prompt в pipeline (range type detection, тоже single-prompt архитектура)

Источники