OmitEHR 不再逐句请大模型判重要性:临床摘要漏项筛查快 1.6 至 1.7 倍、便宜 5.6 至 6.7 倍
核心概要
健康系统用大语言模型起草病历摘要,而漏项——记录中临床重要信息没有进入摘要——被评估列为最常见的失败模式。OmitEHR 把漏项检测拆成两步:先从历史上医生自己写的摘要里学出哪些源句会被纳入,再用大模型只对排名靠前的候选句做覆盖判断。在 5000 例住院记录上训练的模型用于 25 例盲法复核,每份摘要平均有 5.64 条漏项被至少一位临床医生确认,全大模型流程为 3.32 条;整条流程耗时 17.7 至 19.5 秒、每份摘要花费 0.03 至 0.13 美元。
深度剖析
漏项检测不再需要在推理时让大模型逐句判断哪些记录内容重要,而是把“临床重要性”当作一个可以离线学习的量。 此前的无参考漏项检测要么不建模临床重要性,要么在推理阶段用大模型给每条源句打重要性分数,成本随记录长度增长。 在 750 例留出住院记录、超过 44.6 万条句子上,按住院逐例计算 AUROC 与 AUPRC 再平均,学习到的上下文重要性模型在预测哪些源句会被纳入简要住院经过上优于结构启发式、词法模型和提示式大模型评判器。
做法是先预测哪些源句会被医生写进摘要,再只检查这些高分句是否已被生成的摘要覆盖,未被覆盖的句子作为候选漏项呈现。 重要性模型以 BioClinRoBERTa 的句向量加上句内位置、住院时长、重复次数等结构特征为输入,经两层 Transformer 编码器让每条句子的分数依赖整次住院的上下文。 训练数据为某大型学术医学中心的 5000 例内科住院、290 万条源句,标签由 GPT-5-mini 按“不相关、间接相关、直接包含”三级给出,间接相关与直接包含合并为重要。
在 25 例由 Gemini-2.5-pro 生成的简要住院经过上,两位委员会认证的临床医生盲法审阅每条流程排名前十的候选漏项。 OmitEHR 的 250 条候选中 141 条(56.4%)被至少一位医生确认为有临床意义的漏项,全大模型流程为 83 条(33.2%);两位医生都确认的分别为 71 条(28.4%)和 17 条(6.8%)。 每份摘要平均 5.64 条被至少一位医生确认、2.84 条被两位确认,全大模型流程为 3.32 条和 0.68 条;25 例中有 24 例至少出现一条两位医生都确认的漏项,全大模型流程为 12 例。
启示与展望
演示范围是某大型学术医学中心 5000 例内科住院的简要住院经过生成,源记录为住院期间除出院小结外的全部笔记,漏项有效性只在 25 例由 Gemini-2.5-pro 生成的摘要上由两位临床医生盲法复核。
重要性标签与临床医生标注只有中等一致性,因此排序结果衡量的是与一个大模型派生目标的吻合程度;临床评估只测了候选中的精确率,没有测全部临床重要漏项的召回率,且 25 例、两位不熟悉病例的评审者与随附的大模型理由都可能影响判断。
