从放射学指南构建决策图以支持临床决策

GDGraph 用指南决策图把放射学风险分层准确率提至 90.8%。

资讯摘要

论文提出 Guideline-derived Decision Graph（GDGraph）框架，将指南编译与病例评估解耦：编译阶段由大语言模型把指南切分为章节块、抽取带定义链接的局部决策子图并聚合成可执行决策图；推理阶段由快速 System One 模型回答局部临床问题，确定性遍历解析布尔逻辑，形成可追溯决策路径且无需任务特定训练。作者报告在肾囊肿、附件肿块和甲状腺结节指南的 347 个病例上，System One 准确率从 57.3% 提升至 90.8%，优于检索增强 GPT-4o（80.1%）和图引导加思维链的 GPT-4o（82.7%），延迟与成本更低。源代码将公开。

要点速读

1. 框架将指南编译与病例评估解耦，编译阶段用大语言模型抽取局部决策子图并聚合为可执行决策图。
2. 推理阶段由 System One 模型回答局部问题，确定性遍历解析布尔逻辑，输出可追溯决策路径。
3. 作者报告 347 个病例上准确率由 57.3% 升至 90.8%，高于检索增强 GPT-4o 的 80.1% 和图引导加思维链 GPT-4o 的 82.7%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。