NeFut Logo NeFut
EN 管理员登录

[AI学术] 面向纵向临床检索的时间证据分配:立场与技术报告

发布于:2026-10-22 22:00 最后更新:2026-10-25 13:04
#algorithm #AI #Machine Learning

电子健康记录的撰写目标是临床护理,而非信息检索。肿瘤科多年笔记中,主要诊断会在每份报告中重复出现,而关键转折点(如复发或治疗方案改变)往往只记录一次。传统检索器依据查询相似度排序,会不断返回重复的诊断信息,导致对时间转折的遗漏,即出现时间冗余。我们主张将纵向临床检索视为在有限的证据预算内进行时间分配,而非单纯的相关度排序。为此将任务拆分为三项:时间证据分配、候选重构、临床验证。

在 Study A 中,使用 13 条临床查询检索 20 例患者记录,并采用两阶段重构。Temporal‑15 配置实现了 0.538 的里程碑槽召回率,显著高于 Global‑50 基线的 0.388。但该配置检索的证据单元数为 496,远高于基线的 50,说明提升并非仅来源于分配策略。当固定证据数量时,去除提示式先行规则会使模式顺序逆转率从 0.010 上升至 0.080。随后在五例患者、单查询的试点实验中,固定预算下更宽的时间覆盖并未稳定带来更多已标记的里程碑。整体结果表明,记录在某段时间的文字量并不能直接反映该段时间作为证据的价值。由于缺乏专家标注的参考时间线,我们的度量只能描述检索行为,而非临床准确性。本文阐述了 Onco‑CONSTRUE 框架背后的检索分析,并提出了预算受限的纵向临床检索研究议程。

点评

原文链接: https://arxiv.org/abs/2610.27682

[h] 返回首页