MedGPT Clinical Explorer 提出可审计的条件策略框架，用于复杂肺癌开放决策
An auditable conditional-strategy framework for open-ended decision-making in complex lung cancer
MedGPT Clinical Explorer（MCE）将备选路径、改变决策的未知信息、安全约束与回退方案组织成可供医生审阅的条件策略。
作者：Daoyun Wang、Zhicheng Huang、Huaiyuan Sun、Jiaqi Xu、Xiaowei Xu、Zhibo Zheng、Zhongxing Bing、Yuxiao Lin、Yicheng Liang、Chao Gao、Bowen Xue、Kai Zhang、Song Xu、Wanpu Yan、Hui Xia、Lin Li、Xiang Yan、Mu Hu、Qianli Ma、Zhiqiang Xue、Xiaofang Liu、Zhihai Han、Nan Zhang、Chuanhao Tang、Tongmei Zhang、Lan Song、Zhaohui Zhu、Xuan Zeng、Shafei Wu、Hui Guan、Lei Deng、Huaxia Yang、Zeliang Lian、Wubin Sun、Yongxin Wang、Xiaohui Shen、Binlin Wang、Tiantian Gu、Yu Cui、Li Zhang、Shirui Wang、Naixin Liang
摘要：复杂的肺癌决策可能涉及若干条各有依据的路径，其适用性、先后顺序和安全性取决于尚未明确的信息。有效的支持必须明确说明患者状况如何决定路径的适用性、推迟与改道。MedGPT Clinical Explorer（MCE）将备选方案、改变决策的未知因素、安全约束和后备方案组织为一种条件化策略，供临床医生审阅。为在医生撰写的策略中评估这一表示方式，多学科专家在一个包含 100 例病例的立意抽样语料库中，为其中 40 例建立了病例特异性参考，来自 98 家机构的 250 名医生在无辅助、检索参考和 MCE 辅助三种条件下产出了 2,250 条策略。
以可采纳路径达成评分（APAS；0-100）衡量，MCE 辅助策略比无辅助策略表达了更多可适用的临床要求（校正差异为 12.87；95% CI，11.18-14.55），也多于检索参考策略（5.22；3.52-6.93）。由于检索参考和 MCE 辅助两种条件下可用的知识库相同，多出的内容集中在候选路径、决策关键信息和安全约束上。医生对整体策略的可接受性判断与 APAS 相关（Spearman's rho = 0.671），同时一项补充性的关系审计评估了候选方案、条件与后续行动之间是否连贯衔接。
总体而言，这些发现确定了开放式决策支持的两个互补维度：临床相关内容的覆盖度，以及路径、条件与后续行动之间的连贯联系。MCE 提供了一个共享的决策对象，使重大遗漏和路径的偶然性在行动之前即可见；前瞻性研究应评估其对临床工作流程和患者结局的影响。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.29381 [cs.AI] |
| （或本版本使用 arXiv:2609.29381v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.29381 由 DataCite 颁发的 arXiv DOI |
提交历史
发件人：Huaiyuan Sun [查看邮件]
[v1]
2026年9月24日星期四 11:08:14 UTC（9,328 KB）
[v2]
2026年10月21日星期三 09:34:30 UTC（16,613 KB）
来源：arXiv cs.AI · arxiv.org