CuraView：基于 GraphRAG 增强知识验证的医学幻觉多智能体框架
计算与语言
2026-05-06 v1 人工智能
摘要
出院摘要需要从冗长的电子健康记录 (EHR) 中提取关键信息，手动执行此操作工作量巨大。大型语言模型 (LLM) 可提高生成效率；然而，它们容易产生忠实性幻觉，即与来源记录相矛盾的陈述，构成直接风险。为此，我们提出了 CuraView，一种用于检测出院摘要中忠实性幻觉的多智能体框架。CuraView 基于来自患者水平 EHR 的 GraphRAG 构建知识图谱，并实现以句子为单位的证据检索和分类的闭环生成-检测管道，涵盖从强烈支持到直接矛盾的四个证据等级 (E1-E4)，产生结构化且可解释的证据链。我们在 Discharge-Me 数据集的 250 名患者子集上对 CuraView 进行评估，其中 50 名患者保留用于测试。我们微调的 Qwen3-14B 检测模型在安全关键的 E4 指标上实现 0.831 的 F1 分数（召回率 90.9%，精确率 76.5%），在 E3+E4 上达到 0.823 的 F1 分数，相较于基础模型实现 50% 的相对改进，并超越了 RAGTruth 风格和 QAGS 风格的基线。这一结果表明，基于证据链的图检索验证在提高临床文档的事实可靠性方面具有显著作用，同时为下游模型训练和蒸馏产生可重用的标注数据集。
引用
@article{arxiv.2605.03476,
title = {CuraView: A Multi-Agent Framework for Medical Hallucination Detection with GraphRAG-Enhanced Knowledge Verification},
author = {Severin Ye and Xiao Kong and Xiaopeng He and Guangsu Yan and Dongsuk Oh},
journal= {arXiv preprint arXiv:2605.03476},
year = {2026}
}
备注
44 pages, 8 figures, 13 tables