桥接临床叙述与 ACR 适当指南：面向医学影像决策的多智能体 RAG 系统
定量方法
2025-10-07 v1
摘要
适当选择医学影像检查程序是临床决策中的关键且复杂问题，依据大量证据制定的标准如 ACR 适当指南（ACR-AC）予以指导。然而，由于难以将非结构化的患者叙述映射到结构化的指南中，导致这些指南被低估使用，进而造成亚optimal 患者结果与增加医疗成本。为填补这一鸿沟，我们引入一种多智能体认知架构，用于自动将自由文本临床情景翻译为特定且遵循指南的影像检查建议。该系统利用新颖的、领域适应的稠密检索模型 ColBERT，通过在 8,840 个临床情景-建议配对的合成数据集上微调，实现对 ACR-AC 知识库中信息的高度精确检索。该检索器以 93.9% 的 Top-10 检索率识别候选指南，随后由一系列基于 LLM 的智能体处理以进行筛选与证据综合。我们使用 GPT-4.1 与 MedGemma 智能体进行评估，实现了 81% 的 exact match 准确率，意味着在 81% 的测试案例中预测的检查程序集与指南参考集完全一致，并取得 0.879 的 F1 分数。这相当于对强大的 standalone GPT-4.1 基线的绝对提升 67 个百分点，凸显了该架构对前沿模型的贡献。这些结果是在与源指南语言学差异显著的挑战性测试集上获得的。我们的代码已公开于 https://anonymous.4open.science/r/demo-iclr-B567/。
引用
@article{arxiv.2510.04969,
title = {Bridging Clinical Narratives and ACR Appropriateness Guidelines: A Multi-Agent RAG System for Medical Imaging Decisions},
author = {Satrio Pambudi and Filippo Menolascina},
journal= {arXiv preprint arXiv:2510.04969},
year = {2025}
}