arXiv cs.AI· Christine Park, Valerie Chen, Tim Dettmers·· 12 小时前AI 评分58
Synthetic Hospital：经医生验证的开放纵向 EHR 基准发布
Synthetic Hospital: An Open, Verifiable, Physician-Validated Longitudinal EHR Benchmark
AI 导读
研究者发布 Synthetic Hospital，一个完全合成、事实可溯源的纵向 EHR 基准，包含 1,268 名纵向患者和 5,602 次就诊，每条诊断、发现和时间关系都锚定在 ICD-10-CM、SNOMED CT、LOINC 标准本体上，并可追溯到公开医学教育来源。
正文 · AI 翻译
摘要：前沿语言模型很少用于临床工作流程，因为开发这些模型所需的真实、纵向基准十分稀缺。真实的电子健康记录（EHR）数据因隐私、伦理或数据使用问题无法公开共享，而且它不包含可验证的真实基准，因为病历记录只反映临床医生记录的内容。我们推出 Synthetic Hospital，这是一个开放、完全合成、基于事实的纵向 EHR 基准，解决了公开共享和可验证真实基准的障碍。它完全由公开医学教育材料构建，不含受保护的健康信息，包含 1,268 名纵向患者和 5,602 次就诊，其中每个诊断、发现和时间关系都基于标准本体（ICD-10-CM、SNOMED CT、LOINC），并具有完整的溯源链，可追溯至其来源医学教育材料。Synthetic Hospital 通过模拟医院记录系统提供服务，该系统镜像真实 EHR 基础设施（标准互操作性 API、基于角色的访问和函数调用接口）。在一项盲审中，医生将其记录与真实患者病历区分开来的比率接近随机水平（53%）。在 10 个前沿和开放模型中，没有一个接近上限：最佳模型重建患者纵向问题列表的严重程度加权 F1 为 0.73，与七名医生在匹配子集上的平均值持平，但远低于其中最佳者（0.89），并且在总结病历时遗漏了约一半的临床相关发现。总体而言，这些结果突出表明，Synthetic Hospital 是对临床 AI 性能的一项困难且现实的测试。
| 评论： | 29 页，2 幅图，12 张表 |
| 主题： | 人工智能（cs.AI）；数据库（cs.DB） |
| 引用为： | arXiv:2609.30027 [cs.AI] |
| （或此版本的 arXiv:2609.30027v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.30027 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Christine Park [查看电子邮件]
[v1]
2026 年 9 月 24 日星期四 16:00:56 UTC（1,333 KB）
[v2]
2026 年 10 月 27 日星期二 13:03:57 UTC（1,335 KB）
来源：arXiv cs.AI · arxiv.org