编辑推荐：
为解决临床决策中患者症状解读和医生数据整合的难题，研究人员评估了多种LLM（Large Language Models）及RAG（Retrieval-Augmented Generation）工作流程在2000例MIMIC-IV病例中的表现。结果显示，LLM能有效辅助分诊（ESI分级）、专科转诊和诊断预测，尤其Claude 3.5 Sonnet和RAG辅助模型表现优异，为医疗AI工具的开发提供了实证依据。
在医疗资源日益紧张的今天，患者常因无法准确判断症状严重程度而延误就诊，而临床医生也面临整合海量患者数据以快速决策的挑战。急诊科尤其需要高效的分诊系统，但现有方法存在过度分诊（over-triage）和分诊不足（under-triage）的误差，分别导致资源浪费和死亡率上升。传统AI模型虽在结构化任务（如医学考试）中表现良好，但对开放式临床场景的适应性仍待验证。
为此，来自柏林医学系统生物学研究所（BIMSB）等机构的研究团队Farieda Gaber、Maqsood Shaik等人在《npj Digital Medicine》发表研究，系统评估了Claude系列LLM及RAG工作流程在真实临床决策中的潜力。研究基于MIMIC-IV-ED数据库的2000例病例，模拟患者自述症状（通用用户场景）和医生补充生命体征（临床用户场景）两种情境，测试模型在急诊严重指数（Emergency Severity Index, ESI）分级、专科转诊和诊断预测中的表现。
关键技术包括：1）从MIMIC-IV-ED和MIMIC-IV Notes中提取病例症状、生命体征和诊断数据构建标准化数据集；2）采用Claude 3.5 Sonnet等模型进行预测，并设计RAG工作流程整合3000万篇PubMed摘要增强知识检索；3）通过双盲临床医生评估验证模型生成的专科推荐和诊断准确性。
结果
分诊水平评估
模型在ESI分级中表现稳健，RAG辅助LLM在精确匹配准确率（65.75%）上最优，而Claude 3.5 Sonnet在分级容错评估（82.8%）中领先。所有模型均能区分危急与非危急病例，但极端严重级别（如ESI 1和5）预测仍有困难。
专科转诊预测
Claude 3.5 Sonnet在匹配真实专科的准确率达78.86%，且临床用户场景下表现更优。模型倾向于高估普外科和急诊医学需求，但整体推荐符合临床逻辑。
诊断准确性
LLM在至少匹配一项真实诊断的评估中准确率超80%，且RAG辅助模型通过生命体征数据显著提升性能（+0.85%）。
讨论与意义
研究表明，LLM可作为临床决策的辅助工具，尤其在分诊和专科推荐中减少人为误差。RAG工作流程通过引入外部医学证据，有效降低幻觉（hallucination）风险。但模型对数值型生命体征的解析能力仍需提升，且需进一步优化提示词工程（prompt engineering）以适配动态临床环境。
该研究为AI在医疗高风险场景（如欧盟《人工智能法案》 Annex III分类）的应用提供了基准数据，但作者强调当前模型尚不能替代临床判断，更适合作为教育工具或辅助筛查系统。未来可结合多模型集成策略（如“专家混合”模式）进一步提升性能。
生物通微信公众号
生物通 版权所有
