通过大语言模型与模型上下文协议实现临床决策支持与 EHR 洞察的提升：开源 MCP-FHIR 框架
软件工程
2025-06-18 v1 人工智能
摘要
提升临床决策支持（CDS）、减少文档负担、改善患者健康素养等挑战在数字健康领域持续存在。本文提出一种开源、基于智能体的框架，将大型语言模型（LLM）与 HL7 FHIR 数据通过模型上下文协议（MCP）集成，以实现对电子健康记录（EHR）的动态提取与推理。该框架基于既定的 MCP-FHIR 实现，支持通过 JSON 格式的配置实现对多样化 FHIR 资源的声明式访问，支持多用户角色（包括临床医生、护理人员和患者）的实时总结、解释和个性化沟通。为确保隐私和可重复性，框架使用来自 SMART Health IT 沙箱（https://r4.smarthealthit.org/）的合成 EHR 数据进行评估，该数据符合 FHIR R4 标准。不同于依赖硬编码检索和静态工作流程的传统方法，本方法提供可扩展、可解释且可互操作的 AI 驱动 EHR 应用。该智能体架构进一步支持多种 FHIR 格式，为推动个性化数字健康解决方案奠定了坚实基础。
引用
@article{arxiv.2506.13800,
title = {Enhancing Clinical Decision Support and EHR Insights through LLMs and the Model Context Protocol: An Open-Source MCP-FHIR Framework},
author = {Abul Ehtesham and Aditi Singh and Saket Kumar},
journal= {arXiv preprint arXiv:2506.13800},
year = {2025}
}