生成合成数据：使用Langchain创建合成医疗账单记录

eahba

墨衍会员 · AI 创作全网分发码龄2年

关注

原创最新推荐文章于 2026-06-30 15:59:00 发布 330 阅读 AI 写同款· GEO 优化 ›

限时加码！20+主流AI编程工具免费用购周边加赠Coding Plan Lite，Claude Code、Cursor等即刻畅享，学习进阶更高效！阅读详情

随着大数据和人工智能的发展，合成数据在数据科学中的应用越来越广泛，特别是在那些涉及隐私敏感数据的领域如医疗、金融等。合成数据是通过算法人工生成的数据，能够帮助我们模拟真实数据而无需担心隐私泄露或其他现实世界中的限制。

技术背景介绍

合成数据在大数据和机器学习中的应用提供了许多优势，如提升数据隐私和安全、数据增强、灵活性和降低成本等。在医疗领域，合成数据尤其重要，因为它可以在不暴露真实患者信息的情况下进行模型开发和测试。

核心原理解析

合成数据生成的核心在于使用生成模型来创建看似真实的数据，这些模型需要能够理解数据的结构和分布特性。在本示例中，我们使用Langchain库来生成医疗账单记录，这是一个灵活且强大的生成工具。

代码实现演示

以下是如何使用Langchain生成合成医疗账单数据的步骤：

第一步：安装和设置库

首先，需要安装必要的库：

%pip install --upgrade --quiet langchain langchain_experimental langchain-openai

然后，我们可以导入所需的模块：

from langchain.prompts import FewShotPromptTemplate, PromptTemplate
from langchain_core.pydantic_v1 import BaseModel
from langchain_experimental.tabular_synthetic_data.openai import (
    OPENAI_TEMPLATE,
    create_openai_data_generator,
)
from langchain_openai import ChatOpenAI

第二步：定义数据模型

定义数据的结构是生成合成数据的第一步。以下是我们定义的MedicalBilling类：

class MedicalBilling(BaseModel):
    patient_id: int
    patient_name: str
    diagnosis_code: str
    procedure_code: str
    total_charge: float
    insurance_claim_amount: float

第三步：提供示例数据

提供一些例子来指导合成数据生成器：

examples = [
    {"example": "Patient ID: 123456, Patient Name: John Doe, Diagnosis Code: J20.9, Procedure Code: 99203, Total Charge: $500, Insurance Claim Amount: $350"},
    {"example": "Patient ID: 789012, Patient Name: Johnson Smith, Diagnosis Code: M54.5, Procedure Code: 99213, Total Charge: $150, Insurance Claim Amount: $120"},
    {"example": "Patient ID: 345678, Patient Name: Emily Stone, Diagnosis Code: E11.9, Procedure Code: 99214, Total Charge: $300, Insurance Claim Amount: $250"},
]

第四步：创建数据生成器

生成器用于与基础语言模型通信，以生成合成数据：

synthetic_data_generator = create_openai_data_generator(
    output_schema=MedicalBilling,
    llm=ChatOpenAI(temperature=1),
    prompt=prompt_template,
)

第五步：生成合成数据

最后，生成合成数据：

synthetic_results = synthetic_data_generator.generate(
    subject="medical_billing",
    extra="the name must be chosen at random. Make it something you wouldn't normally choose.",
    runs=10,
)