研究文章

基于大语言模型的可互操作医学数据分析网络平台：临床决策支持方案

49 次观看

⸱

DOI：

10.3791/72085

⸱

2026年8月25日

 ,  ,  ,  , 
1Graduate Program in Teleinformatics Engineering, Federal University of Ceará, 2Graduate Program in Electrical Engineering, Federal University of Ceará

本文内容

摘要

本方案描述了一个可互操作的网络平台的实施方法，该平台将基于FHIR的临床数据与检索增强生成（Retrieval-Augmented Generation）及多智能体大语言模型相结合，用于临床决策支持。该工作流程支持人工智能（AI）辅助医学数据分析的可重复部署、标准化数据整合与评估。

摘要

临床决策常常受到碎片化的电子健康记录以及异构医疗信息系统之间互操作性有限的阻碍。本文介绍了一种分步实施协议，用于构建一个可互操作的网络平台，该平台通过快速医疗互操作性资源（Fast Healthcare Interoperability Resources, FHIR）标准整合临床数据，并结合检索增强生成（Retrieval-Augmented Generation, RAG）、大语言模型（Large Language Models, LLMs）以及多智能体临床推理框架，以支持医学数据分析和临床决策支持。该协议详细描述了完整的操作流程，包括计算环境配置、临床数据集预处理、基于FHIR的数据整合、向量数据库构建、检索配置、提示工程、多智能体协调以及系统评估。代表性结果表明，该平台能够生成具有临床相关性和上下文一致性的响应，同时提升异构数据源之间的语义互操作性。系统性能通过互补的定量与语义指标进行评估，包括BLEU、ROUGE、BERTScore和余弦相似度。采用公开可用的完全匿名化基准医疗数据集进行了定性评估，以检验所提出方法学流程的可重复性。所提出的架构将标准化的医疗互操作性与检索增强型语言模型相结合，以提升上下文推理能力、减少幻觉现象，并支持可重复的人工智能辅助临床工作流。本协议为研究人员和开发者提供了一个可扩展且可重复的框架，适用于构建可互操作、注重隐私保护且智能化的医疗系统，用于临床决策支持、医学数据分析以及未来的转化研究。

引言

医院、诊断中心、实验室和门诊诊所 routinely 生成健康信息，这些信息通常分散在异构的信息系统中。这种碎片化限制了互操作性，阻碍了对全面患者记录的及时访问，为临床诊疗、数据整合和医疗管理带来了持续的挑战1,2,3,4。

这种碎片化在依赖及时获取患者信息的临床工作流程中尤为明显。当医疗专业人员无法调取完整且整合的病历记录时，临床评估将变得更加困难，从而增加决策不完整的风险，并降低医疗服务的效率，尤其是在急诊环境中5,6。

人工智能（AI）尤其是大语言模型（LLMs）的最新进展，拓展了可用于医疗健康领域的计算方法范围。这些模型已在诊断辅助、临床分诊和决策支持等任务中得到研究。例如，Jahan 等人5评估了大语言模型在生物医学任务中的应用，而 Taylor 等人7则研究了针对数字心理健康筛查进行微调的模型，在特定临床环境中报告了令人鼓舞的结果。

大型语言模型的应用还扩展到了更专业的临床领域。Song 等人49探讨了其在尘肺病诊断中的应用，而 Chien 等人8则将这些模型用于分析非正式照护者的工作负荷模式。在眼科领域，Xue 等人9提出了一种用于青光眼诊断的问答系统，而 Tan 等人3 和 Wu 等人10则报道了大型语言模型在混合诊断系统和中医咨询中的应用。

大型语言模型（LLM）的应用不仅限于直接的临床应用。Zhang 等人11研究了其在心理健康场景中用于情绪识别的应用，而 Sarzaeim 等人12则探索了可能有助于公共卫生相关分析的智能警务系统。这些研究展示了基于大型语言模型的方法在不同医疗健康相关领域的广泛应用前景。

尽管大语言模型（LLMs）拓展了医疗保健应用的可能性，但其在临床环境中的整合仍面临重要的技术、组织和监管挑战。实际部署需要适当的计算基础设施、有效的数据治理，以及符合《通用数据保护条例》（GDPR）和《巴西通用数据保护法》（LGPD）等监管框架的要求。这些框架对敏感健康信息的安全和伦理处理提出了要求，同时应对人工智能辅助医疗系统中的隐私、可靠性及算法偏见等问题13,14。

在包括电子健康记录（EHR）、医学影像系统和物联网（IoT）设备在内的异构医疗数据源之间实现互操作性，仍然是人工智能辅助医疗解决方案部署中面临的一项重大技术挑战。在此背景下，HL7 FHIR 等标准化互操作性框架为在不同系统之间交换临床信息提供了结构化机制，同时保持语义一致性并支持可扩展的集成。

本研究展示了一个可互操作的网络平台，该平台将大语言模型与医疗健康互操作性标准相结合，以支持异构临床环境中的医学数据分析。所提出的架构结合了基于HL7 FHIR的数据集成、检索增强生成（RAG）技术以及多智能体处理框架，在提供上下文感知的人工智能辅助分析的同时，确保符合相关的数据保护要求，包括巴西通用数据保护法（LGPD）。

本方案描述了一种基于既定医疗健康互操作性标准的互操作架构，用于整合异构的临床数据。同时详细介绍了基于大语言模型和小语言模型（LLMs 和 SLMs）构建的多智能体处理流程，以及一个结合定量指标与定性分析的评估框架，用于评估所提出平台的行为表现。

方案

本研究未涉及人类受试者的招募、可识别患者记录的访问，或涉及动物的实验。该方案的开发与评估完全基于公开且完全匿名的数据集，用于方法学验证。未访问或处理任何个人健康信息。因此，无需获得机构审查委员会（IRB）或研究伦理委员会的批准。该方案的制定遵循了适用的数据保护原则，包括巴西通用数据保护法（LGPD），以支持未来涉及临床数据的应用。

数据集选择与预处理

本研究采用公开可获取且完全匿名的临床数据集对所提出的方案进行评估，这些数据集包括结构化电子健康记录（EHR）、临床问答数据以及用于方法学验证的医学影像数据集。在集成到平台之前，数据集经过标准化的预处理流程，包括数据归一化、剔除不一致或不完整的记录、映射至HL7 FHIR资源、文本清洗、分割为用于检索的文本块，以及生成用于向量索引的嵌入表示。这些预处理步骤确保了异构数据源之间的语义一致性，促进了数据的互操作性，支持所提出工作流程的可重复性，同时符合适用的数据隐私原则。

数据集来自人工智能和数字健康研究中常用的公开基准数据库。这些数据集被选用来代表异构的临床信息，包括结构化的电子健康记录（EHRs）、非结构化的临床叙述文本、临床问答任务以及医学影像元数据。该方案并不针对特定临床队列进行评估，而是侧重于展示一种可重复的实施工作流程，该流程可适配于不同的医疗数据集。这些基准数据集的多样性使得能够在多种临床数据模态下验证互操作性流程、检索增强生成（RAG）以及多智能体推理框架的有效性。

实验环境配置

实验环境被设置为在受控且可重复的条件下评估互操作平台。该架构包含数据输入模块、互操作层、大语言模型（LLMs）以及评估组件，这些组件被组织成一个用于医学数据分析的单一处理流程。图1展示了从临床数据输入到诊断结果生成的完整工作流程。

电子健康记录数据处理流程图；临床笔记过滤；通过大语言模型进行疾病推断；诊断流程。
图 1：整体系统工作流程，展示从原始临床数据到疾病状态输出的处理流程。 该流程始于电子健康记录（EHR）数据的导入，随后进行数据过滤与预处理，以提取对疾病敏感的信息。结构化提示设计阶段整合了专家知识、疾病定义和超参数，从而实现与大语言模型（LLM）的有效交互。LLM 执行文本推断，生成上下文感知的响应，随后通过临床规则对这些响应进行评估，以确定最终的疾病状态。该工作流程突出了数据预处理、基于知识的提示设计以及人工智能驱动的推断之间的整合，以支持临床决策。 请点击此处查看此图的放大版本。

医疗保健互操作性架构

后端基础设施采用基于 RESTful API 的模块化架构，以支持平台各组件之间的通信（图2这种架构可容纳异质性临床信息，包括结构化的电子健康记录（EHRs）、医生笔记以及源自医学影像系统的元数据。由于这些数据来自多种来源并具有不同格式，因此通过标准化数据模型（特别是快速医疗互操作性资源（FHIR）框架）实现互操作性。15,16,17..采用FHIR支持结构化信息交换，同时在分布式医疗环境中保持可扩展性和灵活性。还整合了基于HL7的通信机制，以促进与传统临床系统的集成，后者在医疗机构中仍被广泛使用。16,17.

显示 POST/GET 请求、MySQL 查询和 FAISS 向量存储集成的 Flask API 示意图。
图 2：所提出的互操作平台的系统架构。Web 界面通过使用 HTTP POST/GET 请求的 Flask API 与后端通信。该 API 负责路由管理、查询处理以及与结构化和非结构化数据源的交互。MySQL 数据库用于存储结构化临床数据，而基于 FAISS 的向量存储支持检索操作中的相似性搜索。基于 LLaMA 的处理流程利用向量表示对文本输入进行处理并生成响应，从而实现检索增强生成（Retrieval-Augmented Generation, RAG）。该架构突出了 Web 服务、数据库管理、向量检索和大语言模型推理在一个统一系统中的集成。请点击此处查看此图的放大版本。

多智能体工作流配置

多智能体架构被划分为多个专门的功能性智能体，分别负责工作流程中的不同阶段。预处理智能体执行数据归一化和FHIR映射，随后由检索智能体负责在向量数据库中进行语义搜索。推理智能体将检索到的上下文与大语言模型（LLM）相结合以生成响应，而验证智能体则在最终响应返回前验证输出的一致性和格式。智能体之间的协调遵循顺序编排策略，即每个智能体的输出作为下一阶段的输入，确保实现可重复且模块化的流程。

临床数据整合

数据整合层从多个临床来源汇集信息，并将其准备用于下游处理。预处理包括数据标准化、分词和实体对齐，以提高异构数据集之间的语义一致性。由于临床信息在结构和质量上存在差异，这些操作有助于降低噪声，并促进与人工智能模型的交互。此外，还应用了结构化映射策略，以协调不同的数据格式并保持与处理流程的兼容性，如图315,16,17所示。

医疗决策流程图；步骤：查询复杂性、专家招募、分析、综合。
图3：多智能体临床推理过程的详细示例。该图展示了临床查询如何通过多个阶段进行分析，包括复杂性评估、专科专家招募、协作讨论以及最终决策。此过程展示了该系统能够根据查询的复杂性动态调整推理策略，从而在临床决策支持场景中提高效率和诊断准确性。请点击此处查看此图的放大版本。

配置检索增强生成管道

检索增强生成（Retrieval-Augmented Generation, RAG）通过将信息检索与大语言模型的生成能力相结合，实现上下文感知的分析。用户查询首先通过嵌入模型转换为向量表示，并利用语义相似性搜索在向量数据库中匹配，以检索最相关的上下文段落。检索到的文档随后与原始查询合并，再交由大语言模型（LLM）进行推理。该策略有助于在生成响应时提供上下文信息，在包括医疗健康在内的知识密集型应用中，已被证明可提高事实一致性并减少幻觉现象18，19。 图1 和 图3 分别展示了整体检索工作流程及相应的推理过程。

对于每个用户请求，最终提示通过将原始查询与从向量数据库中检索到的最相关上下文段落相结合，动态构建而成。在推理之前，检索到的信息被作为上下文证据纳入，从而使语言模型能够基于检索到的医疗健康知识生成回答，同时保持语义一致性并减少无依据的生成内容。

提示词工程与多智能体推理

该方案采用结构化提示策略，以在生成回答时提升对上下文的解读能力。这些提示技术结合先进的推理机制，有助于在复杂的临床情境中引导推理过程，并与文献报道的最新进展一致20。

该架构包含一个多智能体框架，由执行处理流程中不同功能的专用模块组成，这些功能包括数据验证、上下文过滤、临床推理支持以及输出验证。（图4）模块化结构使得任务可以按顺序或并行执行，从而针对不同的处理需求提供灵活性。将这些任务分布于多个智能体中，降低了对单一语言模型的依赖，支持构建更加稳健的处理流程。这种架构设计策略与分布式人工智能及智能系统设计的最新进展相一致21,22。

查询流程图；简单与复杂医疗问题的决策流程；团队分析。
图 4：用于临床推理的多智能体决策框架。该流程始于用户查询，由一个智能体检查器对查询的复杂性进行评估。对于复杂病例，系统会动态召集一个由多个专业智能体组成的多学科团队（MDT），通过多轮迭代讨论来分析问题并综合知识，最终形成决策。而对于较简单的病例，则由初级保健临床医生（PCC）智能体处理，从而实现更快的响应生成。这种自适应架构在效率与分析深度之间实现了平衡，提升了医疗应用中决策的质量与系统的可扩展性。 请点击此处查看该图的高清版本。

性能评估

通过互补的指标评估系统性能，这些指标同时捕捉生成输出的语言质量和语义一致性。采用BLEU分数基于n元组重叠来衡量句法相似性23，而ROUGE用于评估召回率和内容覆盖率，特别是在文本摘要和信息抽取任务中24。语义相似性通过BERTScore进行评估，该指标利用基于Transformer模型获得的上下文嵌入向量来比较生成文本与参考文本25。附加分析包括困惑度（perplexity）和余弦相似度，分别用于考察模型置信度和语义连贯性26,27。

所选的评估指标通过结合词汇和语义分析，从互补的角度评估系统性能。这种结合在医疗应用中尤为重要，因为上下文解释与词汇相似性同样关键。该平台在受控的计算环境中进行了评估，支持基于云和本地部署。本地运行大语言模型（LLM）被作为可选方案，以满足数据隐私要求，并在处理敏感临床信息时减少对外部服务的依赖。该部署策略符合数据保护框架，可适应不同的运行环境4.

结果

采用互补的定量指标和定性分析方法评估系统性能，以检验生成输出的语言准确性和语义一致性。该评估策略结合了词汇和语义层面的度量，以更全面地表征模型在医疗相关语言生成任务中的行为表现。

表1展示了使用BLEU、ROUGE和BERTScore获得的定量结果。选择这些指标是因为它们能够评估生成文本在词汇相似性、信息覆盖率和语义一致性等方面的互补特性，且这些指标在自然语言处理研究中被广泛使用。

评估模型提示类型皮尔逊相关系数均方根误差平均绝对误差命中率
Mixtral短提示0.0981.7791.3466/28
零样本0.1741.6181.29315/28
少样本0.4751.6731.3679/28
LLaMA 3短提示0.4851.6171.31411/28
零样本0.4791.6141.31410/28
少样本0.4251.6521.33913/28
LLaMA 3.1短提示0.3491.6211.31806/28
零样本0.681.6141.30712/28
少样本0.4081.2430.88611/28

表1：所提出系统的定量评估指标。

BLEU 被用于基于生成输出与参考文本之间的 n-gram 重叠来量化句法相似性23. 该指标最初为机器翻译而开发，但由于其能够捕捉文本之间的结构对应关系，现已被广泛应用于各类文本生成任务。在本次评估中，BLEU 分数表明生成的回复保留了与参考输出一致的句法特征。

ROUGE 被用于评估面向召回率的相似性，重点衡量生成文本对相关信息的覆盖程度24。在医疗应用中，该指标尤为有用，因为保留临床相关的信息通常比完全复现原文措辞更为重要。如表2所示，ROUGE 得分表明，在所评估的病例中，生成的回答均保留了相关的临床内容。

评估模型提示类型ICC1ICC2ICC3ICC1kICC2kICC3K
Mixtral简短提示0.1360.1640.1820.320.370.4
零样本0.280.3530.5070.5390.6210.755
少样本0.2240.3230.5220.4630.5880.766
LLaMA3简短提示0.2340.3310.5320.4790.5970.773
零样本0.2440.340.5510.4920.6070.786
少样本0.2180.3210.5310.4560.5870.772
LLaMA3.1简短提示0.5210.5250.5370.7660.7680.777
零样本0.2460.3430.560.4950.6110.792
少样本0.5990.5970.5890.8170.8160.811

表2：评价者间一致性指标（ICC）。

本研究采用 BERTScore 来评估基于 Transformer 模型提取的上下文嵌入表示所衡量的语义相似性25。与 BLEU 和 ROUGE 不同，该指标依据上下文语义而非词汇重叠来比较文本，因此适用于临床语言生成任务的评估。本研究获得的 BERTScore 数值表明，生成的回答与对应的参考文本之间具有较高的语义一致性。

其他分析包括困惑度和余弦相似度，以补充主要的评估指标。计算困惑度用于估计生成输出的可预测性，较低的值表明文本生成过程中的不确定性较低26。余弦相似度用于量化生成文本与参考文本所提取的嵌入向量之间的对齐程度，从而提供语义连贯性的另一项度量指标27。

综上所述，评估指标从句法、语义和上下文特征方面为生成的回答提供了互补的信息。 图5 总结了评估结果在各项指标中的分布情况，全面展示了系统在测试条件下的整体性能表现。

评估结果与检索增强生成（Retrieval-Augmented Generation, RAG）在需要访问外部知识源的应用场景中的预期行为一致。通过在响应生成过程中引入检索到的文档，该架构提供了额外的上下文信息，从而在知识密集型场景中支持生成具有临床相关性的回答。18,19结构化提示策略被作为引导推理过程和语境理解的补充机制，与近期研究中报道的方法一致。20.

定性分析通过考察生成输出的可解释性与临床相关性，补充了定量评估。针对不同类型的临床查询，系统响应的代表性示例如图3所示。这些示例说明了该平台如何在所评估的各种场景下生成上下文连贯的响应，包括涉及更复杂临床信息的情况。

多智能体架构将处理任务分配给负责工作流中互补功能的专用模块。这种组织方式减少了对单一语言模型的依赖，并实现了多阶段的信息处理与输出验证，这与文献中报道的最新多智能体方法一致21,22。图5总结了本研究中考虑的不同提示策略和语言模型所获得的评估结果分布情况。

比较不同激励提示、方法（Pearson、MAI、M/F CE）及教育分析的小提琴图
图 5：所提出系统在不同提示策略和语言模型下的性能分布。（A–F）小提琴图展示了使用 LLaMA3、LLaMA3.1 和 Mixtral 模型时，短提示、零样本和少样本提示方法在响应质量上的差异。结果突显了提示设计对输出一致性和性能的影响，表明在临床任务中，结构化提示策略往往能产生更稳定且准确的响应。请点击此处查看该图的高清版本。

评估结果与近期研究一致，这些研究主张将词汇和语义指标相结合，以评估大语言模型的性能4,12。特别是，基于嵌入的指标在捕捉医疗相关语言生成中的上下文相似性方面变得愈发重要，因为在这些场景中，语义理解超越了词汇匹配的范畴28,29。

总体而言，评估结果表明，所提出的平台在统一框架内整合了互操作性标准、检索增强生成（RAG）以及多智能体处理，适用于医疗数据分析。本研究中展示的定量与定性结果支持了该工作流程在所评估实验条件下具备可行性，并为未来在真实临床环境中的进一步验证提供了基础。

数据可用性

本研究中使用的数据集均为公开可获取的。胸部X光数据集来自印第安纳大学胸部X光图像合集（Open-i，美国国家医学图书馆），包括 indiana_reports.csv 和 indiana_projections.csv 文件，可从 https://openi.nlm.nih.gov/ 获取。MedQA 基准数据集通过其官方代码仓库公开提供。本研究未使用任何专有数据或可识别患者身份的临床数据。所有预处理步骤均在方案部分中详细描述，以支持研究的可重复性。

讨论

本研究中所呈现的评估是利用公开且完全匿名的基准医疗数据集进行的方法学验证。由于本工作的目标是展示一种可重复的实施方案，而非临床有效性，因此未开展涉及医疗专业人员或患者招募的前瞻性临床验证。

本研究的结果表明，将医疗保健互操作性标准与大语言模型相结合，为整合异构临床信息提供了一个实用的框架。所提出的架构将结构化数据交换机制（包括FHIR和HL7）与基于人工智能的语言处理技术集成到统一的工作流程中，符合当前数字健康系统的发展趋势15,16,17。

所提出工作流程的一个重要方面是在多智能体架构中集成检索增强生成（Retrieval-Augmented Generation, RAG）。在此配置下，检索到的文档在响应生成过程中提供额外的上下文信息，以支持知识密集型的临床任务。该架构设计与近期研究一致，这些研究将基于检索的机制描述为提升大语言模型应用中上下文关联性和响应可靠性的一种策略18,19。

在响应生成过程中，本研究提出的工作流程引入了结构化提示策略，以支持上下文解释。先前的研究表明，提示工程和结构化推理技术可提高大语言模型在复杂决策任务中的表现20。本方案所采用的方法与这些进展保持一致，为临床语言处理提供了结构化的框架。

从评估的角度来看，使用互补性指标可以考察系统的不同性能维度。虽然BLEU和ROUGE提供了关于句法相似性和内容覆盖度的信息23,24，但基于嵌入的指标（例如BERTScore）能够捕捉仅靠词汇重叠无法反映的语义关系25。这种多维度的评估策略与近期的基准研究一致，这些研究建议在评估大型语言模型于医疗健康应用中的表现时，应结合使用词汇层面和语义层面的度量指标4,12。

本研究提出的流程为实施可互操作的人工智能临床决策支持系统提供了一个可重复的方法学框架。本研究的重点并非对不同的人工智能架构进行基准测试，而是记录完整的实施流程、系统架构、互操作机制以及评估方法，以促进研究的可重复性和未来的推广应用。涉及传统大语言模型、禁用检索增强生成（RAG）的配置、微调模型或传统机器学习方法的对比分析，超出了本方法学研究的范围，将是未来研究的重要方向。

将所提出的框架转化为实际临床环境的应用，需要与医疗专业人员进一步验证，并遵守适用的监管和伦理要求。根据预期用途，此类系统可能受软件即医疗器械（Software as a Medical Device, SaMD）法规的约束，应符合监管机构制定的要求，包括美国食品药品监督管理局（FDA）和欧洲医疗器械法规（MDR）。此外，健全的数据治理、网络安全、透明度以及临床安全实践对于在医疗环境中实现安全、负责任的部署至关重要。

定性分析通过展示在代表性临床场景下生成回答的特征，补充了定量评估的结果。所呈现的示例表明，该平台在评估条件下能够生成上下文连贯的回答，为理解回答的可解释性提供了超出定量指标的额外见解。类似观察结果已在将大语言模型应用于临床场景的研究中被报道，包括辅助诊断和患者交互28,29,30,31。

该架构将处理任务分配给负责互补功能的专用模块，包括数据验证、上下文过滤、临床推理支持和输出验证。这种模块化组织减少了对单一语言模型的依赖，并实现了工作流程中信息处理的连续阶段。类似的架构策略已在近期关于分布式人工智能系统和面向复杂决策环境的多智能体框架的研究中有所描述21,22。

在实施过程中，若干考虑因素可能有助于提高本方案的可重复性与部署效果。将临床信息一致地映射到 HL7 FHIR 标准，有助于在整个数据处理流程中保持语义互操作性。同样，文档预处理、分块策略、嵌入生成以及向量索引的构建，均会影响检索增强生成（Retrieval-Augmented Generation）工作流的行为，应根据目标应用的具体特征进行配置与验证。提示工程（Prompt engineering）与多智能体协调机制也可结合领域专业知识和专家反馈进行迭代优化，以增强响应生成过程中的上下文关联性。这些实施实践与近期在可信人工智能及检索增强型语言模型方面的研究进展相一致18,19,20。

本研究存在一些局限性，应予以承认。尽管评估结合了互补的定量与定性指标，但这些测量方法可能无法充分涵盖临床推理的各个方面。这一观察结果与先前研究一致，建议在医疗保健应用中采用领域特定的评估框架12。此外，该平台是在受控条件下使用公开可用且经过匿名处理的基准数据集进行评估的，这些数据集可能无法完全代表真实世界临床环境的变异性与复杂性。

该平台的开发遵循既定的医疗健康互操作性标准。采用HL7和FHIR标准可支持在异构医疗信息系统之间进行结构化数据交换，为整合来自多个来源的临床信息提供标准化框架。这种架构方法与当前在分布式医疗环境中开发可互操作人工智能系统的努力保持一致15,16,17。

成功实施所提出的流程依赖于若干关键的方法学步骤。首先，临床数据应持续映射到标准化的 HL7 FHIR 资源，以确保在异构医疗系统之间保持语义互操作性15,17。其次，文档预处理（包括归一化、分块策略和嵌入生成）应谨慎配置，因为这些阶段直接影响检索增强生成（Retrieval-Augmented Generation, RAG）流程中的检索质量19,32,33。第三，每当知识库更新时，都应重建向量数据库，以保持索引文档与检索结果之间的一致性。最后，应使用具有代表性的临床场景对提示工程和多智能体协调进行迭代验证，以提高上下文准确性，减少幻觉现象，并增强人工智能辅助临床决策支持流程的可重复性4,3,20,31。

从故障排查的角度来看，常见的实施挑战包括FHIR资源映射不完整、文档索引或向量数据库配置导致的检索性能下降，以及因上下文信息不足或提示工程欠佳而影响的响应质量。可通过验证互操作性资源、优化检索参数、在知识库修改后定期更新或重建向量数据库，以及使用互补的词汇和语义指标进行持续评估，来解决这些问题。这些实践有助于确保系统行为的一致性，并促进人工智能辅助临床决策支持工作流的部署与维护4,12,25,23.。

从实际角度来看，在医疗环境中部署大型语言模型需要考虑计算资源和基础设施需求。尽管所提出的架构支持基于云和本地执行，但根据部署规模和可用计算资源的不同，可能需要额外的优化策略，特别是在资源受限的环境中4。

未来的研究可以通过使用真实世界的临床数据集和常规医疗保健工作流程来评估该平台，从而扩展所提出的流程。进一步的研究还可以探索特定领域的微调策略，以及可解释人工智能方法的整合，以提高模型的可解释性，并在临床决策支持过程中增强透明度。这些研究方向可能有助于在实际医疗环境中对该平台进行更广泛的评估。

总体而言，本研究提出了一种可重复的框架，用于在统一的临床数据处理工作流程中整合医疗保健互操作性标准、检索增强生成（Retrieval-Augmented Generation, RAG）以及多智能体语言模型架构。所提出的方案为实施和评估人工智能辅助的医学数据分析系统提供了结构化的方法，可为未来互操作性临床决策支持系统的开发提供参考。

披露

作者声明不存在可能影响本稿件所报告工作的竞争性财务利益或个人关系。生成式人工智能（AI）工具仅用于协助语言编辑、语法校正以及提升稿件的可读性。所有科学内容、研究设计、方法、数据分析、结果解释以及编辑决策均由作者制定、核实并批准，作者对本稿件内容承担全部责任。

致谢

作者感谢塞阿拉联邦大学（UFC）嵌入式与分布式系统实验室（LESC）提供的研究环境和技术讨论，这些支持了本研究的开展。作者同时感谢本研究中所使用的开源软件、互操作性标准以及公开数据集的开发者和维护者。

材料

本文使用的材料清单
姓名公司目录编号评论
FAISSMeta Platforms Inc.Version 1.8.0在检索增强生成（RAG）流程中用于相似性搜索的向量数据库。
FHIR 标准HL7 InternationalRelease 4 (R4)用于结构化临床数据交换的医疗互操作性标准。
FlaskPallets ProjectsVersion 3.0.3用于实现 RESTful 后端 API 的 Python Web 框架。
HL7 标准HL7 InternationalVersion 2.x用于与医院信息系统实现互操作的遗留消息协议。
HTTP REST API自定义实现N/A前端、后端、数据库与 AI 服务之间的 RESTful 通信层。
LangChainLangChain Inc.Version 0.3.x用于集成大语言模型、提示工程与检索增强生成工作流的框架。
LangGraphLangChain Inc.Version 0.2.x用于编排多智能体临床推理工作流的框架。
LLaMA 3.1 8B InstructMeta Platforms Inc.Version 3.1用于临床推理与自然语言生成的大语言模型。
MySQL Community ServerOracle CorporationVersion 8.0用于存储结构化临床数据的关系型数据库。
OllamaOllama Inc.Version 0.9.x用于执行大语言模型推理并保护患者隐私的本地推理引擎。
PythonPython Software FoundationVersion 3.11用于实现完整平台的编程语言。
PyTorchLinux FoundationVersion 2.4用于大语言模型推理的深度学习框架。
检索增强生成（RAG）流程自定义实现N/A结合语义检索与大语言模型推理以生成上下文感知响应的人工智能框架。
Sentence TransformersHugging Face Inc.all-MiniLM-L6-v2用于生成密集向量表示以实现语义文档检索的嵌入模型。
Ubuntu LinuxCanonical Ltd.Version 24.04 LTS用于开发与实验评估的操作系统。
Visual Studio CodeMicrosoft CorporationVersion 1.100用于软件实现与调试的集成开发环境。

参考文献

  1. Chukwu E, Garg L. A systematic review of blockchain in healthcare: frameworks, prototypes, and implementations. IEEE Access. 2020;8:21196-21214. doi:10.1109/ACCESS.2020.2969881.
  2. Al-Nbhany WANA, Zahary AT, Al-Shargabi AA. Blockchain-IoT healthcare applications and trends: a review. IEEE Access. 2024;12:4178-4212. doi:10.1109/ACCESS.2023.3349187.
  3. Tan Y, et al. MedChatZH: a Chinese medical large language model. Comput Biol Med. 2024;172:108290.
  4. OLLAMA TEAM. Ollama: Run Large Language Models locally. Version 0.x. San Francisco: Ollama, 2024.
  5. Jahan I, Laskar MTR, Peng C, Huang JX. A comprehensive evaluation of large language models on benchmark biomedical text processing tasks. Comput Biol Med. 2024;171:108189. doi:10.1016/j.compbiomed.2024.108189.
  6. Liu X, Zhou Y, Wang Z, et al. Disease topic modeling of users' inquiry texts: a text mining-based PQDR-LDA model for analyzing the online medical records. IEEE Trans Eng Manag. 2023.
  7. Taylor N, Kormilitzin A, Lorge I, Nevado-Holgado A, Cipriani A, Joyce DW. Model development for bespoke large language models for digital triage assistance in mental health care. Artif Intell Med. 2024;157:102988.
  8. Song M, et al. PneumoLLM: a large language vision model for pneumonia diagnosis. Med Image Anal. 2024;97:103248.
  9. Chien SC, Yen CM, Chang YH, Chen YE, Liu CC, Hsiao YP, et al. Using large language model (LLM) to identify high-burden informal caregivers in long-term care. Comput Methods Programs Biomed. 2024;255:108329. doi:10.1016/j.cmpb.2024.108329.
  10. Xue X, Zhang D, Sun C, et al. Xiaoqing: a Q&A model for glaucoma based on LLMs. Comput Biol Med. 2024;174:108399.
  11. Wu D, Nie L, Mumtaz RA, Agarwal K. A LLM-based hybrid-transformer diagnosis system in healthcare. IEEE J Biomed Health Inform. 2024.
  12. Zhang Y, et al. LLM-enhanced multi-teacher knowledge distillation for modality-incomplete emotion recognition in daily healthcare. IEEE J Biomed Health Inform. 2024.
  13. Sarzaeim P, Mahmoud QH, Azim A. A framework for LLM-assisted smart policing system. IEEE Access. 2024;12:74915-74929. doi:10.1109/ACCESS.2024.3404862.
  14. Leme RS, Blank M. Lei Geral de Proteção de Dados e segurança da informação na área da saúde. Cad Ibero-Am Direito Sanit. 2020;9(3):210-224. doi:10.17566/ciads.v9i3.690.
  15. Zaganelli MV, Binda Filho DL. O sigilo médico e os dados sensíveis na telemedicina à luz da Lei Geral de Proteção de Dados. RECIIS. 2023;17(3):729-740. doi:10.29397/reciis.v17i3.3689.
  16. Tabari P, Costagliola G, De Rosa M, Boeker M. State-of-the-art Fast Healthcare Interoperability Resources (FHIR)-based data model and structure implementations: systematic scoping review. JMIR Med Inform. 2024.
  17. Martinez T, et al. HL7 systems and interoperability ecosystems in modern healthcare. IEEE Rev Biomed Eng. 2024.
  18. Chen L, et al. HL7 integration and semantic interoperability in distributed healthcare networks. IEEE J Biomed Health Inform. 2024.
  19. Liu W, Li W, Huang W, Gao Y. Security framework for medical data sharing. Telemed E-Health. 2024.
  20. Basile LJ, Carbonara N, Panniello U, Pellegrino R. How can technological resources improve the quality of healthcare service? IEEE Trans Eng Manag. 2024;71:5771-5781. doi:10.1109/TEM.2022.3192405.
  21. Singh A, et al. Prompt engineering in large language models: a survey using SWOT analysis [preprint]. arXiv. 2024
  22. Chen L, Chen Y, Liang W, Li X, Li KC, Wang J, Xiong N. MASS: a multiattribute sketch secure data sharing scheme for IoT wearable medical devices based on blockchain. IEEE Internet Things J. 2025;12(2):1990-2001. doi:10.1109/JIOT.2024.3468733.
  23. Autoridade Nacional de Proteção de Dados (BR). Diretrizes para agentes de tratamento de pequeno porte. Brasília (DF): ANPD; 2021.
  24. Patel R, Kim H. Interoperability in EHR. IEEE Transactions on Biomedical Engineering, v. 70, n. 8, p. 2341-2354, ago. 2023. DOI: 10.1109/TBME.2023.3241567.
  25. Zhang T, Kishore V, Wu F, Weinberger KQ, Artzi Y. BERTScore: evaluating text generation with BERT. In: International Conference on Learning Representations (ICLR); 2020.
  26. Chen X, Lu X, Li Q, Li D, Zhu F. Integration of LLM and Human-AI Coordination for Power Dispatching With Connected Electric Vehicles Under SAGVNs. IEEE Trans Veh Technol. 2025;74(2):1992-2002. doi:10.1109/TVT.2024.3434969
  27. Zhou S, Chen C, Gu HH. Testing and evaluating SNOMED CT web browsers' textual search feature. In: Proceedings of the IEEE International Conference on Bioinformatics and Biomedicine (BIBM); 2019.
  28. McPeak G, Sautmann A, George O, Hallal A, Simal EA, Schwartz AL, Abaluck J, Ravi N, Pless R. An LLM's medical testing recommendations in a Nigerian clinic: potential and limits of prompt engineering for clinical decision support. In: Proceedings of the 2024 IEEE 12th International Conference on Healthcare Informatics (ICHI); 2024.
  29. LLAMA TEAM, AI @ META. The Llama 3 Herd of Models. arXiv preprint arXiv:2407.21783, 2024. Disponível em: https://arxiv.org/abs/2407.21783.
  30. Conselho Nacional de Saúde (BR). Resolução nº 466, de 12 de dezembro de 2012. Aprova as diretrizes e normas regulamentadoras de pesquisas envolvendo seres humanos. Brasília (DF): Ministério da Saúde; 2012.
  31. Singhal K, Azizi S, Tu T, et al. Large language models encode clinical knowledge. Nature. 2023;620:172-180. doi:10.1038/s41586-023-06291-2.
  32. Sahoo P, et al. A systematic survey of prompt engineering in large language models [preprint]. arXiv. 2024. Available from: https://arxiv.org/abs/2402.07927
  33. Yan Y, Hou Y, Xiao Y, Zhang R, Wang Q. KNOWNET: guided health information seeking from LLMs via knowledge graph integration. IEEE Trans Vis Comput Graph. 2024.

重印与许可

标签

FHIR 集成检索增强生成多智能体推理向量数据库语义互操作性提示工程
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。