RAG-TRACE：AI生成心电图报告的测量证据与诊断完整性追踪

检索到的诊断标准未必有患者特异性测量证据支持

资讯摘要

论文提出RAG-TRACE，评估检索增强生成在AI心电图报告中的可靠性。作者分析1,083份经人工验证的PTB-XL记录与47张标准卡片，发现关键词检索在46.8%的GPT-4.1-mini报告中引入无法验证或测量不符的标准；确定性验证规则撤回647次标准应用，并保留Uni-G独立支持的269次中的268次。将检索限制为14项可测标准后，无支持标准率降至13.8%。

要点速读

1. 分析1,083份人工验证的PTB-XL记录，使用47张标准卡片，其中33张无数字验证规则
2. 关键词检索在46.8%的GPT-4.1-mini报告中引入无法验证或测量不符的标准
3. 确定性验证规则撤回647次标准应用，保留Uni-G独立支持的269次中的268次；限制为14项可测标准后无支持率降至13.8%

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 2026/11/4 08:00:28（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。