HealthProcessAI：面向LLM增强医疗过程探索的技术框架与概念验证
人工智能
2026-02-11 v2
摘要
过程探索 (process mining) 作为一种理解复杂医疗工作流程的强大分析技术近年来广受关注，但其应用面临技术复杂性、缺乏标准化方法以及有限的实用训练资源等重大障碍。我们引入HealthProcessAI，一个面向医疗和流行病学的GenAI框架，旨在通过提供对现有Python (PM4PY) 和 R (bupaR) 库的全面封装，简化医疗过程探索的应用。在解决用户不熟悉问题的同时提高可及性方面，该框架集成了多个大语言模型 (LLM)，用于自动化过程图解释和报告生成，帮助将技术分析转化为多元用户可理解的输出。我们以脓毒症病程数据作为概念验证示例，对比了五种最先进的LLM模型通过OpenRouter平台的输出。在功能测试中，该框架成功处理了脓毒症数据，经历了四个概念验证场景，展示了稳健的技术性能及其通过自动化LLM分析生成报告的能力。使用五个独立LLM作为自动评估器进行的LLM评估显示，各模型具有不同优势：Claude Sonnet-4 和 Gemini 2.5-Pro 分别在由自动化LLM评估器评估时获得最高的一致性得分（分别为4.0和3.65）。通过集成多个大语言模型 (LLM) 实现自动化解释和报告生成，该框架解决了对过程探索输出的普遍不熟悉问题，使其对临床医生、数据科学家和研究人员更具可及性。这种结构化分析与AI驱动解释的结合，代表了医疗应用中将复杂过程探索结果转化为潜在可操作见解的一种新方法论进步。
引用
@article{arxiv.2508.21540,
title = {HealthProcessAI: A Technical Framework and Proof-of-Concept for LLM-Enhanced Healthcare Process Mining},
author = {Eduardo Illueca-Fernandez and Kaile Chen and Fernando Seoane and Farhad Abtahi},
journal= {arXiv preprint arXiv:2508.21540},
year = {2026}
}
备注
Figure 1 updated, typos corrected, references added, under review