arXiv cs.CL· Elyas Irankhah, Shahed Salehzehi, Parisa Hosseini·· 10 小时前AI 评分31
RAG-TRACE：AI 生成心电图报告的测量证据与诊断完整性追踪
RAG-TRACE: Tracing Measurement Evidence and Diagnostic Completeness in AI-Generated ECG Reports
AI 导读
研究提出 RAG-TRACE，用于评估 RAG 检索到的诊断标准在 AI 生成心电图报告中是否有患者级测量证据支持。基于 1,083 份 PTB-XL 记录与 47 张标准卡，关键词检索使 46.8% 的 GPT-4.1-mini 报告引入无法验证或测量不符的标准，确定性验证规则撤回了 647 次标准应用。
正文 · AI 翻译
摘要：目的：检索增强生成（RAG）可能引入缺乏患者特异性测量支持的心电图（ECG）标准。本研究评估 AI 生成的心电图报告中检索到的诊断标准的可靠性。方法：我们使用包含 47 张标准卡的库分析了 1,083 份经人工验证的 PTB-XL 患者记录，其中 33 张没有数值验证规则。语言模型在有检索和无检索的情况下生成结构化报告。使用 Marquette 12SL 测量评估标准的适用性，并使用 Uni-G 进行独立评估，并与专家验证的诊断标签进行比较。结果：关键词检索在 46.8% 的 GPT-4.1-mini 报告中引入了无法检验或测量结果不符的标准。确定性验证规则撤回了 647 次标准应用，其中包括 639 次没有数值检查的应用，同时保留了 269 次由 Uni-G 独立支持的应用中的 268 次。将检索限制为 14 项可检验标准后，初始不支持标准率降至 13.8%。在匹配的指令和相同的输出模式下，检索将不支持标准的报告从 17.4% 增加到 31.1%，而肥厚召回率保持不变，为 62.6%。结论：这些发现确定了基于检索的临床报告生成的一个基本局限：检索到的标准不一定提供有效的患者特异性证据。基于测量的验证可以减少不支持的标准应用，但诊断有效性需要独立评估。
| 评论： | 代码和研究材料可在 此 https URL 获取 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.01409 [cs.CL] |
| （或 arXiv:2611.01409v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.01409 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Elyas Irankhah [查看电子邮件]
[v1]
2026 年 11 月 1 日星期日 01:42:38 UTC（1,010 KB）
来源：arXiv cs.CL · arxiv.org