[开源] 医保飞检规则边界测试用例生成器：面向医保办与信息科的主动合规演练工具-开发者社区

本项目是一个专为医保管理场景设计的规则反向测试系统，它用约束求解（CP-SAT）技术，从医保飞检规则文本出发，自动推导出「最容易触发误判」的边界测试用例，不是靠人工拍脑袋列极端值，而是让数学模型穷举规则在临界点上的所有合法/违规组合。面向医保办公室、医院信息科和质控部门，核心能力包括：规则配置化加载（YAML/JSON）、业务语义到约束模型的自动映射、满足/违反双路径用例生成、HTML可视化演练报告、CSV结构化导出，以及可复用的边界案例数据库。交付形态以命令行（CLI）为主，支持本地快速验证；技术栈基于 Python 3.10+、Google OR-Tools CP-SAT 求解器、pandas、openpyxl 和 Jinja2，不依赖 Web 服务或云部署。

定位与能力范围

我们不做通用测试平台，也不覆盖全量医保结算逻辑。本项目的边界非常明确：只处理「飞检中高频被调取、且存在执行歧义」的五类典型规则，药品适应症限制、检验项目互斥、超限用药、挂床检测、分解住院。这些规则共同特点是：判断依据清晰（如“住院时长＜24小时”），但临床执行中常因时间粒度、科室协作、数据录入延迟等产生模糊地带。系统不替代人工审核，而是把“这条规则到底怎么才算踩线”这件事，交由数学模型给出确定性答案。生成的每个用例都带明确标签：合规边界、违规临界、组合扰动，便于医保办组织内部沙盘推演，提前暴露规则漏洞、字段缺失或系统计费盲区。

核心功能

所有功能围绕「规则→模型→用例→报告」闭环展开，不设冗余入口：

规则配置管理
：接受 YAML 或 JSON 格式规则定义，字段与医保飞检常见表述对齐（如diagnosis_code、drug_code、admit_time、discharge_time），支持嵌套条件与多级逻辑运算
CP-SAT 约束建模
：将每条规则自动翻译为 Google OR-Tools 的 CP-SAT 模型，保留原始语义（例如“同一患者不得同时开具 A 与 B 检验”被建模为布尔变量互斥约束）
边界用例生成
：对每条规则，同时求解出满足条件的最小合规样本、违反条件的最大容忍样本、以及跨时段/跨科室的扰动组合样本
HTML 演练报告
：按规则分组呈现用例，每条含字段值、判定结果、触发逻辑链（如“因 admit_time=2024-03-01 08:00，discharge_time=2024-03-02 07:59，差1分钟达24小时，判定为挂床”）
CSV 导出
：输出标准结构化表格，含rule_id、case_type、field_values_json、decision四列，可直接导入医院 HIS 或质控系统做批量回放
边界案例数据库
：SQLite 存储历史生成用例，支持按规则 ID、生成时间、用例类型检索复用

以下为五类预设规则及其对应生成策略的对照说明：

规则类型	判定逻辑关键词	系统生成重点	典型边界示例
药品适应症限制	“诊断编码不匹配”	构造诊断码与药品码的最小差异组合（如仅末位不同）	诊断 ICD-10：J18.9（肺炎，未特指），药品：阿奇霉素（适应症 J01-F01）→ 合规；若诊断为 R51（头痛），同药→ 违规
检验项目互斥	“不得同时开具”	枚举所有互斥对的时间重叠窗口（精确到分钟）	血清肌酐（采样时间 09:00）与尿微量白蛋白（采样时间 09:05）→ 重叠5分钟→ 违规
超限用药	“单日剂量＞X mg”	在剂量上限±0.1%范围内生成连续浮点值用例	头孢曲松单日限 4g → 生成 3.996g（合规）、4.004g（违规）
挂床检测	“住院时长＜24小时”	按分钟级枚举入院/出院时间差，覆盖跨日、跨班次场景	入院 2024-03-01 23:59，出院 2024-03-02 00:00 → 时长1分钟→ 违规
分解住院	“同一疾病短期内再入院”	绑定主诊断编码 + 时间窗（如7天），生成首末次入院时间差恰好卡窗边界的用例	首次入院 2024-03-01，二次入院 2024-03-07 → 差6天→ 违规；若为2024-03-08 → 差7天→ 合规

使用与配置

整个流程无需写代码，全部通过 CLI 完成。你只需准备规则文件、执行三条命令、获得报告：

安装依赖

确保 Python 3.10+ 已安装，然后执行：

pip install -r requirements.txt

加载规则

规则文件放在data/目录下（如sample_rules.yaml），格式严格遵循项目文档定义的 schema。加载命令会校验语法与字段完整性：

python -m src.cli.main load-rules --config data/sample_rules.yaml

生成测试用例

指定某条规则 ID（如rule_001），系统自动构建 CP-SAT 模型并求解，输出 JSON 格式用例集到指定目录：

python -m src.cli.main generate --rule-id rule_001 --output-dir data/output

导出报告

支持 HTML 与 CSV 双格式导出，命令中指定格式与输出路径即可：

python -m src.cli.main export --format html --output-dir data/output python -m src.cli.main export --format csv --output-dir data/output

生成的 HTML 报告可直接在浏览器打开，含折叠式规则详情、用例表格、判定逻辑高亮；CSV 文件可被 Excel 或 BI 工具读取，用于后续分析或对接院内系统。

工程结构

项目采用清晰分层架构，模块职责无重叠：

模块目录	主要职责	关键实现说明
`src/rules/`	规则数据模型与加载器	定义 RuleSchema 类，支持 YAML/JSON 解析、字段校验、逻辑表达式预编译
`src/solver/`	CP-SAT 约束建模与求解	将规则条件转为 CP-SAT 变量与约束，调用 OR-Tools 求解器生成多组解
`src/reports/`	HTML/CSV 报告生成	Jinja2 渲染 HTML 模板，pandas 构造 CSV DataFrame，保留原始字段语义
`src/database/`	边界案例持久化	SQLite 数据库存储用例元数据（ID、规则ID、生成时间、类型），支持按需查询
`src/cli/`	命令行接口	Click 框架封装，提供`load-rules`、`generate`、`export`三级命令

data/目录存放示例规则与结算数据，开箱即用；templates/提供可定制的 HTML 报告模板；docs/放置完整使用说明与规则 schema 定义。

环境与运行

本工具对运行环境要求极简：仅需 Python 3.10+ 与基础科学计算库。CP-SAT 求解器由 Google OR-Tools 提供，已通过requirements.txt统一管理。所有操作均在本地完成，不上传任何数据至外部服务器，符合医保数据不出域的安全要求。实测在普通办公笔记本（16GB 内存，i5-1135G7）上，单条规则生成百级用例平均耗时 1.2 秒，复杂多条件规则（如含 3 层嵌套逻辑）最长不超过 8 秒。

依赖版本要求如下表所示，均已在requirements.txt中锁定：

依赖库	版本要求	用途说明
ortools	>=9.8.0	提供 CP-SAT 求解器核心能力
pandas	>=2.0.0	结构化数据处理与 CSV 导出
openpyxl	>=3.1.0	支持 Excel 格式扩展（如未来增加 XLSX 导出）
pyyaml	>=6.0.0	规则配置文件解析
jinja2	>=3.1.0	HTML 报告模板渲染

数据与扩展

规则定义是系统输入的核心。项目文档中已明确定义了规则 YAML 的字段规范：必须包含rule_id、description、condition（支持and/or/not嵌套）、fields（声明涉及的业务字段名）及examples（可选）。新增规则只需按此格式编写 YAML 文件，无需修改代码。我们预留了condition字段的扩展能力，当前支持数值比较、字符串匹配、时间差计算、集合互斥四类原子操作，后续可通过扩展解析器支持正则、区间合并等更复杂逻辑。

已有五类规则并非封闭列表。医院可根据本地飞检重点，在data/下新增 YAML 文件，只要字段名与 HIS 或结算系统实际字段一致，即可立即参与用例生成。例如某地市新增“中医辨证分型与中药饮片匹配”规则，只需定义tcm_syndrome_code与herb_code的映射关系，系统即可生成对应边界用例。