Large language models (LLMs) 能同时处理结构化测量和自由文本记录，因而在急诊科（ED）预测中具吸引力。但在多数基于电子健康记录（EHR）的预测任务上，LLM 仍落后于传统机器学习方法（如树模型）。我们通过受控实验发现差距来源于两点：LLM 未能主动挑选信息量大的特征；即使获得正确特征，也会误判数值对应的风险。为此提出 TIR-EC（Tool‑Integrated Reinforcement Learning for Emergency Care），该框架把 EHR 特征组抽象为工具供 LLM 调用，并利用梯度提升树（GBT）教师提供的奖励信号，引导 LLM 学会选择有价值的工具并对风险进行分级。训练过程中采用逆向课程（reverse curriculum），在强化学习阶段逐步从提示中移除任务专属的临床技能，使模型权重自行吸收这些技能。实验在三项临床预测任务上进行，4B 参数的 TIR-EC 获得最高宏观 F1，超越所有传统基线，并与更大规模的前沿 LLM 相当。进一步分析表明，TIR-EC 在更少的工具调用下选取了更有用的证据，并能更有效地组合测量值。
点评