临床护理、健康系统运营和生物医学发现都依赖于从患者记录中提取可靠答案，但在全人群范围内应用多样化的临床问题计算成本高。我们提出 Clinical System One（CS1），一个拥有 40 亿参数的决策模型，可对临床记录进行快速、类型化判断，并提供两种与通用语言模型协作的代理方案。CS1‑4B 在 12.4 百万问答对上进行训练，覆盖 3.6 百万患者，数据来源于多家医院的结构化键、观察结果以及临床笔记、诊断报告和患者时间线的语言模型监督。模型一次前向传播即可回答多个类型化问题，无需任务特定微调，每个答案附带概率，可将不确定案例转交人工复审。对 963,408 名留出患者的评估显示，CS1‑4B 在 14 项任务中有 13 项优于最高 270 亿参数的公开决策模型。跨 21 个外部数据集的整体表现接近最强的 270 亿参数模型，但推理速度提升 6.4 倍（工作负载相同）。将 CS1‑4B 与语言模型代理结合后，可在完整的多年患者历史上生成带引用的答案，并对 17 项已注册临床试验的入选标准进行筛选。相较于关键词搜索，模型在前 20 名候选中将合格患者数量提升四倍；相较于逐记录读取的语言模型，使用的语言模型 token 数降低 690 倍。这些结果支持临床 AI 的分工模式：小型决策模型负责重复的记录阅读，生成式模型负责提出问题并综合证据。
点评