电话分诊是一项安全关键任务：护士需要根据简短的来电记录判断患者是否需要救护车、急诊、预约或居家自我护理。直接让大语言模型（LLM）进行分诊效果不佳，它们倾向于把常规病例升级，并且无法依据可审计的临床标准给出解释。ALLMTS 的核心思路是让模型执行已有的商业化远程医疗指南，而不是让模型自行决定。系统首先检索与来电内容匹配的指南，然后逐条评估指南中的分诊评估问题，遇到第一条正向回答即确定处置，遵循护士使用的相同遍历规则。我们在 566 条合成、专家验证的场景上进行评估，这些场景覆盖 14 种处置并针对特定指南问题设计。ALLMTS 的准确率达到 0.95，而直接使用原始 LLM 的基线仅为 0.47。针对公开的 50 条子集基准，ALLMTS 的准确率提升至 0.98，接近五位护士专家小组在同样场景下的 0.944 正确率。更重要的是，基线模型的过度分诊率最高可达 0.50（全数据集为 0.44），而 ALLMTS 将过度分诊率压缩至不超过 0.02，同时保持低水平的不足分诊。这表明将 LLM 的语言理解能力与可执行的临床指南相结合，可实现可靠的电话分诊。
点评