MedBeads：面向可信医学AI的智能体原生、不可变数据基座

背景：截至2026年，大语言模型（LLM）已展现出专家水平的医学知识。然而，将其部署为自主“临床智能体”仍受限。当前的电子医疗记录（EMR）及标准如FHIR设计用于人类审阅，导致“情境不匹配”：AI智能体接收碎片化数据，必须依赖概率推理（如RAG）重建患者历史。此方法导致幻觉并阻碍可审计性。方法：我们提出MedBeads，一种智能体原生数据基础设施，其中临床事件作为不可变“珠子”——有向无环图（DAG）中的节点，cryptographically引用其因果前驱。该“一次写入，多次读取”架构使篡改在数学上可检测。我们实现了一个原型系统，包含Go核心引擎、用于LLM集成的Python中间件，以及基于React的可视化界面。结果：我们成功实现了该工作流程。FHIR到DAG的转换将平坦资源转换为因果关联图。我们的广度优先搜索（BFS）上下文检索算法以O(V+E)复杂度遍历相关子图，实现实时决策支持。通过设计保障不可篡改性：任何修改都会中断密码学链。可视化通过显式因果链接辅助医生理解。结论：MedBeads通过从概率搜索转向确定性图遍历，从可变记录转向不可变链，解决了“情境不匹配”问题，为“可信医学AI”提供了基座。它保证AI接收的上下文是确定性且防篡改的，而LLM负责解释。结构化的Bead格式作为一种高效的“AI原生语言”。我们将MedBeads作为开源软件发布，以加速智能体原生数据标准的发展。