ClinNoteAgents：基于 LLM 的多智能体系统，用于从临床笔记预测和解释心力衰竭30天再入院
人工智能
2026-03-06 v2
摘要
心力衰竭（HF）是美国老年人再入院的主要原因之一。尽管临床笔记包含丰富详细的患者信息并构成电子健康记录（EHRs）的很大一部分，但它们在HF再入院风险分析中仍未得到充分利用。传统HF再入院的计算模型通常依赖专家制定的规则、医学词典和本体论来解读临床笔记，而临床笔记通常是在时间压力下书写的，可能包含拼写错误、缩写和领域特定术语。我们提出ClinNoteAgents，一个基于LLM的多智能体框架，将自由文本临床笔记转化为（1）用于关联分析的临床和社会风险因素的结构化表示，以及（2）用于HF 30天再入院预测的临床医生风格摘要。我们在2,065名患者的3,544份笔记上评估了ClinNoteAgents，展示了临床变量的高提取保真度（多项生命体征的条件准确率≥90%）、关键风险因素识别，以及在减少60%至90%文本的情况下保留预测信号。通过减少对结构化字段的依赖并最小化人工标注和模型训练，ClinNoteAgents为数据有限的医疗系统中的基于笔记的HF再入院风险建模提供了一种可扩展且可解释的方法。
引用
@article{arxiv.2512.07081,
title = {ClinNoteAgents: An LLM Multi-Agent System for Predicting and Interpreting Heart Failure 30-Day Readmission from Clinical Notes},
author = {Rongjia Zhou and Chengzhuo Li and Carl Yang and Jiaying Lu},
journal= {arXiv preprint arXiv:2512.07081},
year = {2026}
}
备注
10 pages, 2 figures. Accepted to AMIA 2026 Informatics Summit (Student Paper Track)