基于放射学指南构建的决策图用于高效临床决策支持

⚡ 一句话总结 AI 生成 · 以原文为准

关键结论

• 在347个病例中,GDGraph将System One准确率从57.3%提升至90.8%,无需任务特定训练。
• 优于检索增强GPT-4o(80.1%)和思维链图引导GPT-4o(82.7%),且延迟和成本显著更低。
• 确定性图遍历生成可追溯的决策路径,取代不透明的单次前向预测。

📄 摘要AI 生成 · 以原文为准中文翻译英文原文

放射学风险分层与管理规划是医学影像中的关键下游任务。由于临床指南标准分散于正文、表格和交叉引用的定义之中,自动化完成这些任务颇具挑战。我们提出指南衍生决策图(Guideline-derived Decision Graph, GDGraph),一个将指南编译与病例评估解耦的框架。在编译阶段,大语言模型将指南切分为基于章节的块,提取带有链接定义的局部决策子图,并将相关分支聚合为可执行的决策图。在推理阶段,快速的System One模型回答局部化的临床问题,同时通过确定性遍历解析布尔逻辑,将不透明的单次前向预测转化为可追溯的决策路径,且无需任务特定训练。在涵盖肾囊肿、附件肿块和甲状腺结节指南的347个病例中,GDGraph将System One的准确率从57.3%提升至90.8%,优于检索增强的GPT-4o(80.1%)和结合思维链的图引导GPT-4o(82.7%),且延迟和成本显著更低。源代码将公开发布。