EHRNote-ChatQA：面向纵向出院小结的循证多轮临床问答基准
EHRNote-ChatQA: A Benchmark for Evidence-Grounded Multi-Turn Clinical Question Answering over Longitudinal Discharge Summaries
EHRNote-ChatQA 是首个基于患者多份出院小结的循证多轮临床问答基准，含 967 个患者级多轮样本、16,072 条经 12 位医学专家逐条审核的 QA 对，覆盖 8 个临床类别。对 24 个闭源与开源权重 LLM 的评测显示，模型在证据定位上比内容作答更吃力，多轮错误会逐轮累积，单轮临床问答表现无法可靠迁移到该场景。
作者：Jiyoun Kim、Muhan Yeo、Eunhye Jang、Jeewon Yang、Hangyul Yoon、Su Ji Lee、Hee Jo Han、Hee-Jae Jung、Doyun Kwon、Jun young Lee、Jaehun Lee、Jung-Oh Lee、Sunjun Kweon、Jong Hak Moon、Daseul Kim、Minjae Cho、Edward Choi
摘要：出院小结是至关重要的临床文档，包含患者整个住院过程的背景信息，医疗专家会常规审阅这些文档，用于患者再入院、持续护理和诊断决策。在审阅时，医疗专家往往必须反复综合多份出院小结中的信息，同时核实支撑每个答案的证据。尽管大语言模型（LLM）在临床问答中的应用日益受到探索，现有基准未能充分反映这一场景：它们通常评估考试式的医学知识，或侧重于单轮问答且对证据支撑的评估有限。我们提出 EHRNote-ChatQA，这是首个基于患者多份出院小结、以证据为支撑的多轮临床问答基准。EHRNote-ChatQA 基于去标识化的 MIMIC-IV 出院小结构建，包含 967 个患者级多轮样本（涵盖 1 至 5 份记录）和 16,072 个经医学专家核验的问答对（8,036 个内容问题，每个问题配有一个证据支撑问题），覆盖八个临床类别。该基准通过专家参与的流程构建，结合出院小结结构化模式、专家整理的多轮问答模板和基于 LLM 的生成，随后由 12 位医学专家（11 位医生和 1 位护士）对每一个问答样本进行审核和修订。对 24 个专有和开放权重 LLM 的基准测试揭示了若干挑战，包括 LLM 在证据支撑方面比内容回答更吃力、多轮错误会跨轮累积，以及单轮临床问答性能无法可靠迁移到这一场景。这些发现确立了 EHRNote-ChatQA 作为评估临床问答系统的严谨且实用的基准。
| 学科： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.15735 [cs.CL] |
| （或本版本的 arXiv:2606.15735v3 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2606.15735 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiyoun Kim [查看邮箱]
[v1]
2026年6月14日周日 10:35:19 UTC（3,211 KB）
[v2]
2026年6月16日周二 10:33:24 UTC（3,208 KB）
[v3]
2026年10月21日周三 15:46:36 UTC（3,276 KB）
来源：arXiv cs.CL · arxiv.org