3. 术语映射的认知基础
术语映射之所以困难，根本原因在于：临床世界里“同一个意思”往往有多种说法，而“同一个说法”又可能指向不同意思。要建立可靠的映射，必须先厘清五个层次的对象——概念、术语、编码、同义词关系、上下位关系，再在此基础上做语义等价判定。这一节不讨论具体工具，而是把映射的“判断依据”讲清楚。
一、五个层次：从临床想法到可计算编码
可以把术语映射理解为一条从“临床意图”到“标准编码”的逐层收敛链：
- 概念（Concept）：一个独立的医学含义单元，例如“急性心肌梗死”“2型糖尿病伴肾病”。概念是抽象的、唯一的，不依赖某种语言或写法。
- 术语（Term）：概念在自然语言中的表达形式，如“心梗”“心肌梗塞”“急性心肌梗死”。同一概念可有多个术语。
- 编码（Code）：术语体系为概念分配的唯一标识，如 ICD-10 的 I21.9、SNOMED CT 的 22298006。编码是机器可计算、可交换的形式。
- 同义词关系：多个术语指向同一概念，如“高血压”与“血压高”。
- 上下位关系：概念之间的层级包含，如“糖尿病”是“2型糖尿病”的上位概念。
映射的本质，是把来源系统中的术语，先还原为概念，再定位到目标体系中表达同一概念（或最接近概念）的编码。跳过“概念”直接做字符串匹配，是绝大多数映射错误的来源。
二、同义词：不是“看起来像”，而是“指向同一概念”
同义词判定要区分三种情况。第一种是严格同义，如“心肌梗死”与“心肌梗塞”，两者在任何临床语境下都指同一概念，可直接归并。第二种是语境同义，如“心梗”在心血管科病历中就是“急性心肌梗死”，但在非正式表述中也可能泛指“心肌缺血”，需要结合科室、病历类型判断。第三种是表面相似但概念不同，如“糖尿病”与“糖尿病足”，前者是代谢疾病，后者是并发症，绝不能因为字符串包含就归并。
实操中，同义词归并通常先做规范化：统一全半角、去除标点、统一“征/症”“型/型别”等写法，再比对概念标识。例如来源术语“2型糖尿病伴糖尿病肾病”与标准概念“2型糖尿病伴肾病”在字面上不完全一致，但通过概念分解可判定为同一概念的不同表述。
三、上下位关系：决定“映射到哪一层”
上下位关系（is-a）是映射粒度的核心。来源术语“肺炎”在目标体系中可能对应一个宽泛概念，也可能需要细分到“细菌性肺炎”“病毒性肺炎”。如果来源数据本身没有细分信息，强行映射到过细的下位编码，就会引入虚假精度；反之，若来源已明确“细菌性肺炎”，却只映射到“肺炎”，则丢失了临床信息。
判断原则是：映射结果的信息量不应超过来源信息量，也不应无谓丢失来源已明确的信息。当来源粒度粗于目标最细粒度时，应映射到最近的共同上位概念，并标记“粒度不足”。
四、语义等价判定：四类结果与判断依据
语义等价判定不是二值判断，而是一个分级结果。常用四类：
| 等价类型 | 含义 | 示例 | 处理建议 |
|---|---|---|---|
| 完全等价 | 概念、粒度、语境均一致 | “心肌梗死”→“急性心肌梗死” | 直接映射，置信度高 |
| 近似等价 | 概念一致但粒度或修饰有差异 | “肺炎”→“肺炎（未特指）” | 映射并标记粒度差异 |
| 上下位关系 | 来源是目标的上位或下位 | “糖尿病”→“2型糖尿病” | 映射到最近层级，标记方向 |
| 不匹配 | 概念不同或无法判定 | “糖尿病”→“糖尿病足” | 拒绝映射，转人工审核 |
判定时至少检查四个维度：概念是否相同、粒度是否一致、语境是否改变含义、是否存在否定或修饰词。例如“无心肌梗死”与“心肌梗死”仅差一个否定词，但语义完全相反，必须作为不匹配处理。
五、一个可复用的判定顺序
面对一条来源术语，建议按以下顺序推进：先做字符串规范化，再查同义词表判断是否已有归并概念；若无，则做概念分解，识别核心概念与修饰词；然后判断上下位关系，确定应映射的层级；最后做语义等价判定，输出等价类型与置信度。整个过程的核心不是“找到最像的编码”，而是“先确认概念，再确认层级，最后确认等价程度”。