医生-患者对话中的主动知识询问：有状态抽取、信念更新与路径感知动作规划
人工智能
2026-03-19 v1
摘要
大多数自动电子病历(EMR)管道仍偏向输出导向：它们在咨询后进行转录、抽取和总结，但不显式建模已知内容、缺失内容、哪些不确定性最重要，或下一个问题或建议应如何决策。我们将医生-患者对话建模为部分可观测性下的主动知识询问问题。该框架结合了有状态抽取、顺序信念更新、间隙感知状态建模、针对对象化医学知识的混合检索，以及 POMDP-_lite 动作规划器。与单纯将 EMR 作为唯一目标产物不同，该框架将文档建模为持续性询问循环的结构化投影。为使模型具体化，我们报告了在十个标准化多轮对话上的受控 pilot 评估，以及跨对话聚合的 300 查询检索基准。在该 pilot 协议下，完整框架实现了 83.3\% 的覆盖率、80.0\% 的风险召回率、81.4\% 的结构完整性，并在冗余度上优于仅基于块的和模板驱动的交互基线。这些 pilot 结果并不构成临床概括；相反，它们表明，在受严格控制条件下的主动询问在方法论上可能具有兴趣，并可视为在受控模拟环境下值得进一步探究的概念引人注目表述。本工作应被视为受控模拟环境下的 pilot 概念演示，而非临床部署准备的证据。不应从此 pilot 协议推断出任何临床部署准备、临床安全或现实临床实用性。
引用
@article{arxiv.2603.17425,
title = {Proactive Knowledge Inquiry in Doctor-Patient Dialogue: Stateful Extraction, Belief Updating, and Path-Aware Action Planning},
author = {Zhenhai Pan and Yan Liu and Jia You},
journal= {arXiv preprint arXiv:2603.17425},
year = {2026}
}
备注
12 pages, 2 figures, 5 tables. Pilot concept demonstration under a controlled simulated setting