该技能用于预授权（PA）工作流的自动化，提供确定性的代码片段与流程配方。
用途：解析入站 PA 请求、提取临床特征、执行基于规则的裁定、训练 ML 分类器并分析拒付模式。
主要能力：
- 请求解析：parse_278() 按段迭代解析 X12 278 EDI；parse_pas_bundle() 从 FHIR Da Vinci PAS Bundle 中按资源类型提取数据（Patient/Practitioner/Claim 等）。
- 特征提取：从解析结果、理赔历史、处方集与检验结果构建特征向量，如 dx_specificity、drug_class、prior_treatment_count、step_therapy_complete、days_since_last_treatment、lab_value_in_range、documentation_score。
- 规则裁定：adjudicate() 按文档完整性、诊断特异性、step therapy、检验阈值顺序判定，返回 APPROVE/DENY/PEND 及原因码。
- ML 分类：train_pa_classifier() 用 XGBoost 与分层交叉验证训练；explain_pa_decision() 用 SHAP 输出特征贡献。
- 拒付分析：analyze_denials() 按拒付原因、药品类别、提供者 NPI 分组统计，并识别文档缺口。
方法选择：清晰的政策规则（step therapy、年龄、检验阈值）用规则引擎；模糊软标准用 ML+SHAP；历史决策少于 1000 条仅用规则引擎；多支付方部署时按支付方分别训练模型。
输入格式：X12 278 为管道分隔、按段组织；FHIR PAS Bundle 为 JSON、按资源类型组织。
输出风格建议：先给命令或代码，再解释；结构为确认输入→可用代码→关键参数说明→注意事项；每个任务给一个完整可运行示例，代码目标 50–100 行。
限制：该技能面向开发与调试场景，不提供实际政策条文或支付方规则；ML 训练需足够历史决策数据，PA 数据集常为 70–80% 批准，需用 scale_pos_weight 或 SMOTE 处理不平衡；其他参数、收费与平台信息资料未提供。