arXiv cs.AI· Soumya Ranjan Sahoo, Divya Bharti, Sanand Sasidharan·· 11 小时前AI 评分18
Onco-CONSTRUE 框架背后的纵向临床检索分析：按时间分配证据预算
Temporal Evidence Allocation For Longitudinal Clinical Retrieval: A Position And Technical Report
AI 导读
该报告提出纵向临床检索应视为在时间上分配有限证据预算，而非仅按相关性排序，并拆分为时间证据分配、候选重建与临床验证三个目标。在 13 条临床查询、20 份病历的 Study A 中，Temporal-15 配置的里程碑槽位召回率达 0.538，高于 Global-50 基线的 0.388，但每条查询检索的证据单元为 496 对 50，增益不能单独归因于分配。
正文 · AI 翻译
摘要：电子健康记录的书写目的是支持照护，而非检索。在多年的肿瘤学记录中，主要诊断在一次次报告中反复重述，而塑造患者病程的事件，例如复发或治疗方案变更，可能只被记录一次。按与查询的相似度对段落排序的检索器会不断返回重复内容，并可能遗漏这些转折，也就是说，它在历史叙述中表现出时间冗余。我们认为，纵向临床检索应被视为在时间上分配有限的证据预算，而不仅仅按相关性排序。我们将该任务分为三个目标：时间证据分配、候选重建和临床验证。在研究 A 中（20 份患者记录上的 13 个临床查询，采用两阶段重建），Temporal-15 配置达到 0.538 的里程碑槽位召回率，而 Global-50 基线为 0.388。然而，它也检索到远更多的证据（每次查询 496 个对 50 个索引单元），因此这一提升不能仅归功于分配。当证据固定时，移除提示的优先级规则会使模式顺序反转从 0.010 升至 0.080。一项固定预算、五名患者、单次查询的试点发现，更宽的时间覆盖并不能可靠地产出更多带日期的里程碑。综合来看，这些结果表明，一份记录对某个时期说了多少，并不能很好地指示该时期作为证据有多大用处。由于没有可用的专家参考时间线，我们的测量描述的是检索行为，而非临床准确性。本立场与技术报告呈现了 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的研究议程。
| 评论： | 我们在 IEEE BHI 2026 上被接收的摘要的扩展报告 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.27682 [cs.AI] |
| （或 arXiv:2610.27682v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27682 由 DataCite 颁发 arXiv DOI（待注册） |
提交历史
来自：Divya Bharti Ms. [查看电子邮件]
[v1]
2026年10月20日星期二 05:54:39 UTC（271 KB）
来源：arXiv cs.AI · arxiv.org