測試資料檔清單¶
這份文件記錄「從零重建整套系統」時實際用到的來源檔：每個檔案從哪裡來、放在哪裡、
餵給哪個模組。2026-07-14 的全清重建（docker compose down -v → up -d --build →
重新匯入所有模組）就是照這份清單做的。
fhir-code/ 完全不在版控裡（檔案大、部分有授權限制、且全部可重新取得）。所以這份
清單就是那個資料夾唯一的紀錄——換機器時照著它把檔案補齊即可。專案自己整理、下載不到的
那兩個 LOINC 對照表則放在版控中的 data/loinc/（見下）。
檔案清單¶
放在 repo 根目錄的 fhir-code/ 底下。sha256 只列前 16 碼，用來確認拿到的是同一份檔案。
| 檔案 | 大小 | sha256 (前16碼) | 模組 / source_role |
|---|---|---|---|
icd/10/icd10cm/icd10cm-table-index-2025.zip |
20 MB | 7e0fa0cae6348fb6 |
icd / icd10cm |
icd/10/icd10pcs/icd10pcs_tables_2025.zip |
648 KB | 728d9b8f5c315548 |
icd / icd10pcs |
icd/10/1.2023年中文版ICD-10-CM_PCS_1131118V3(…).xlsx |
7 MB | 1bf34d1f92930f29 |
icd / icd_zh_tw |
loinc/2.80/Loinc_2.80.zip |
74 MB | 5a6b10dd6ed29704 |
loinc / loinc |
snomed/SnomedCT_InternationalRF2_PRODUCTION_20250601T120000Z.zip |
540 MB | 3d6c189288e375d4 |
snomed / snomed_ct |
rxnorm/RxNorm_full_06032024.zip |
241 MB | fc612ca0abee8955 |
rxnorm / rxnorm_full |
twcoreig/v1.0.0/package.tgz |
2.8 MB | 2fa1419fa48d1545 |
ig / ig |
（下載後才有）36_2.csv |
44 MB | — | drug / drug_index_csv |
（2026-10 起建議）icd/10/icd10cm/april-1-2026-code-descriptions-tabular-order.zip |
— | — | icd / icd10cm |
（選用，以腳本產生）icd10who.json |
— | — | icd / icd10_who |
ICD-10-CM 改用 CMS order file
上表的 icd10cm-table-index-2025.zip（tabular XML）是 2026-07-14 重建時用的檔案。自 2026-10 起建議改用 CMS
「Code Descriptions in Tabular Order」zip（2026-04-01 版，內含 icd10cm_order_2026.txt，98,186 碼）：只有這種完整版
（icd.editions.complete = true）才會讓 FHIR validator 對未知 ICD-10-CM 碼報 error。WHO ICD-10 的 icd10who.json
以 node-server/scripts/validator-audit/harness/fetch_tx_terms.py 從 tx.fhir.org 取得。兩者都還沒有收進本機的
fhir-code/，故無 sha256。
本機載入器（未經管理後台上傳時）在 fhir-code/icd/10/icd10cm/ 找 ICD-10-CM zip 的順序：ICD_CM_ZIP 環境變數 →
檔名含 order / code-descriptions 的 CMS order-file zip → 檔名含 table-index / tabular 的 zip（同類取檔名排序最後者）→
舊預設 icd10cm-table-index-2025.zip。所以把 order-file zip 放進該資料夾即可，舊的 table-index zip 可以留著。
umls/umls-2024AA-metathesaurus-full.zip（4 GB）也在資料夾裡，但目前沒有任何匯入流程
用到它，重建時可以略過。
兩個在版控裡的 LOINC 對照表¶
data/loinc/taiwan_mapping.csv（loinc / loinc_taiwan_mapping）和
data/loinc/lab_reference_ranges.csv（loinc / loinc_reference_ranges）是專案自己整理的
（台灣檢驗代碼對應、各醫學中心參考值彙整），網路上下載不到，所以它們放在 data/
底下、跟著 repo 走——不是 fhir-code/（那整個資料夾都不進版控）。這兩個 role 在來源目錄中是選用的，但少了它們就沒有中文名稱與參考值（interpret_lab_result 無法判讀），
記得跟 LOINC zip 一起上傳。
各檔案從哪裡來¶
ICD-10-CM / PCS：CMS 官方年度釋出（CM 建議用 2026-04-01 的「Code Descriptions in Tabular Order」）（https://www.cms.gov/medicare/coding-billing/icd-10-codes）。 中文名稱 XLSX 來自衛福部的中文版 ICD-10-CM/PCS 對照檔。
LOINC 2.80：Regenstrief Institute（https://loinc.org/downloads/），需註冊帳號後下載。
SNOMED CT International RF2：需有效授權（可經 NLM / UMLS 帳號取得）； https://www.nlm.nih.gov/healthit/snomedct/。不可再散佈。
RxNorm Full Release：NLM，需 UMLS 帳號；https://www.nlm.nih.gov/research/umls/rxnorm/。 本專案只當作 concept-only 的參考術語（供 IG ValueSet 展開），不是獨立的藥品工具。
TW Core IG package.tgz：從 https://packages.fhir.org 取得 tw.gov.mohw.twcore。
匯入時會自動遞迴抓取相依套件（hl7.terminology、hl7.fhir.r4.core、
hl7.fhir.r4.examples…，來自 packages.fhir.org，失敗時退到 packages2.fhir.org），2026-07-14 重建時 DB 裡有
9 個 package、約 21,000 個 artifact——所以只需要準備這一個 tgz。相依下載而來的套件會標記
install_origin = 'dependency'。
TFDA 藥品許可證 36_2.csv：repo 裡沒有，也不必手動放進 fhir-code/，直接下載：
curl -L "https://data.fda.gov.tw/data/opendata/export/36/csv" -o drug36.zip
# 是一個 zip，裡面就是 36_2.csv（約 44 MB、71,921 列、UTF-8-BOM）
其他兩個看起來合理的網址（cacheData/36_2.csv、codedata/datadownload/36）都是 404。
保健食品與食品營養不需要來源檔：health_supplements_sync / food_nutrition_sync 直接
打 TFDA Open Data API。
重建步驟¶
設定（OCR / TFDA / registry 位址、模型 provider 帳號與路由、passkey）用設定匯出檔還原（管理後台 系統 → 備份與設定，或下列 API；目前匯出格式為 v3，仍可匯入 v1 / v2 檔案）：
curl -X POST localhost:8080/admin/api/settings/import \
-H 'Content-Type: application/json' \
--data-binary @tw-health-settings-YYYY-MM-DD.json
該匯出檔含 API key 與 passkey，不要進版控。自己留一份備份。
來源檔透過各模組頁的「資料生命週期」分頁上傳（或用 API；注意要帶 Content-Type: application/octet-stream，
否則 body 會被 express 的 4 MB parser 攔下）：
curl -X POST "localhost:8080/admin/api/uploads?module_key=icd&source_role=icd10cm&filename=april-1-2026-code-descriptions-tabular-order.zip&auto_activate=true" \
-H 'Content-Type: application/octet-stream' \
--data-binary @fhir-code/icd/10/icd10cm/april-1-2026-code-descriptions-tabular-order.zip
接著依序排入 job：icd_import、loinc_import、snomed_import、rxnorm_import、
ig_import（要帶 job_options.object_key，值是該來源檔的 MinIO object key）、
health_supplements_sync、food_nutrition_sync、drug_index_import。
藥品 pipeline 會自動接續
drug_index_import 成功後會 auto-chain 出 drug_enrichment，再接 drug_analysis。
Enrichment 會去爬 TFDA 官方網站、Analysis 會呼叫 OCR + LLM，兩者都要花錢/花時間，
而且待處理的許可證有兩萬多筆。auto-chain 現在每批上限 200 筆
（DRUG_AUTOCHAIN_BATCH_LIMIT），會分批慢慢推進；不想跑就在 Jobs 頁面停掉它。
只想小規模驗證的話，自己排一個帶 {"limit": 30} 的 drug_enrichment 即可。
這份清單對應的資料量¶
2026-07-14 全清重建後的實際結果，可以拿來核對匯入是否完整（ICD 診斷碼數為當時的 tabular XML；改用 2026-04-01 order file 後為 98,186 碼）：
| 模組 | 筆數 |
|---|---|
| ICD | 46,498 診斷 + 78,948 處置 |
| LOINC | 104,672 concepts |
| SNOMED CT | 373,972 concepts |
| RxNorm | 222,199 concepts |
| FHIR IG | 9 packages / 20,996 artifacts |
| 藥品 | 66,395 張許可證 |
| 保健食品 | 565 |
| 食品營養 | 1,702 |
語意搜尋要另外跑 *_embed job（需要可連線的嵌入端點，於 整合 → 模型端點 設定，例如 Ollama）。沒有 embedding 時，中文關鍵字
搜尋幾乎搜不到東西——因為 Postgres 的 simple tokenizer 會把整串中文品名當成一個 token，
子字串比對不到。這不是 bug，是設計上就靠向量搜尋來補。