证据太多，时间太少：通过多目标证据推理从文本到可操作的建议

arXiv cs.AI 论文
clinical-decision-support evidence-based-reasoning large-language-models pubmedbert multi-objective-optimization paper-qa nlp-in-medicine

摘要

SCEPTER是一个框架，通过结合PubMed检索、PubMedBERT排序、大语言模型声明提取、矛盾检测和帕累托最优声明选择，将临床病例描述转化为基于证据的建议，实现了192:1的压缩比，同时保持了较高的证据多样性。

arXiv:2607.22574v1 公告类型：新 摘要：基于证据的临床决策要求专家识别、评估和综合相关科学文献。然而，针对复杂临床病例的PubMed搜索通常会返回数百篇论文，在时间有限的情况下无法手动审阅。本研究提出SCEPTER（单病例证据驱动的PubMed到推荐推理器），这是一个将临床病例描述转化为基于证据的建议的框架。SCEPTER结合了PubMed检索、PubMedBERT语义排序、基于大语言模型（LLM）的声明提取、证据级别加权、矛盾检测、共识分析和多目标帕累托声明选择。该框架生成结构化的证据综合和基于证据的可操作建议。论文问答模块进一步支持对选定出版物的交互式探索。所提出的框架引入了多目标推理模型，将文献支持、矛盾分析和交互式文献查询整合到统一的临床决策支持流程中。在150个案例研究上的评估表明，该框架将平均576篇论文的搜索空间减少到53篇保留论文、7个帕累托最优声明和3条最终建议，对应192:1的总体压缩比。尽管进行了缩减，保留的证据保持了高多样性（熵=0.901）。消融研究表明，与传统排序方法相比，基于帕累托的选择增加了证据多样性和建议效用。
查看原文
查看缓存全文

缓存时间: 2026/07/28 06:25 

# 证据太多，时间太少：通过多目标证据推理从文本到可操作建议

来源：https://arxiv.org/abs/2607.22574
查看 PDF（https://arxiv.org/pdf/2607.22574）

> 摘要：基于证据的临床决策要求专家识别、评估和综合相关科学文献。然而，针对复杂临床病例的 PubMed 搜索通常返回数百篇出版物，在时间限制下无法手动审查。本研究提出了 SCEPTER（单病例证据驱动的 PubMed 到推荐推理器），这是一个将临床病例描述转化为基于证据的建议的框架。SCEPTER 结合了 PubMed 检索、PubMedBERT 语义排序、基于大语言模型（LLM）的声明提取、证据级别加权、矛盾检测、共识分析和多目标 Pareto 声明选择。该框架生成结构化的证据综合和基于依据的可操作建议。论文问答模块进一步支持对选定出版物的交互式探索。所提出的框架引入了多目标推理模型，将文献支持、矛盾分析和交互式文献审查整合到一个统一的临床决策支持管道中。在 150 个案例研究上的评估表明，该框架将平均搜索空间从 576 篇论文减少到 53 篇保留论文、7 个 Pareto 最优声明和 3 条最终建议，对应总体压缩比为 192:1。尽管有这种缩减，保留的证据仍保持高多样性（熵=0.901）。消融研究显示，与传统排序方法相比，基于 Pareto 的选择提高了证据多样性和推荐效用。

## 提交历史

来自：Simona-Vasilica Oprea [查看电子邮件（https://arxiv.org/show-email/55e19940/2607.22574）]  
**[v1]** 2026 年 6 月 5 日，星期五，03:53:28 UTC（1,087 KB）

相似文章

将零散证据转化为生命科学发现决策

YouTube AI Channels

OpenAI 在 Codex 中推出的全新生命科学模型“GPT-Rosalind”通过协调多个专业子代理，将遗传学、转录组学、安全性和知识产权数据融合为单一证据支持的决策，自主对哮喘药物靶点进行排序。

Evidence-RL：迈向证据密集型视觉推理

Hugging Face Daily Papers

本文介绍了反事实证据解耦（CED），这是一种训练时方法，使视觉语言模型依赖具体的图像证据而非语言先验或捷径，从而提升跨基准的视觉推理grounding能力。

CalBrief：大型语言模型证据校准式科学简报的试点诊断基准

arXiv cs.CL

本文介绍了CalBrief——一个包含16个证据包和96个人工验证结论的试点诊断基准，用于评估大型语言模型是否能够生成证据校准的科学简报。研究发现，结构化组织能提升推理能力，但显式的强度校准策略过于保守，且这种保守性主要源于标签空间的扩展，而非信号注入。

MEDSYN: 复杂临床病例中多证据综合的多模态大语言模型基准测试

arXiv cs.CL

MEDSYN 是一个多语言多模态基准，用于评估多模态大语言模型（MLLMs）在复杂临床病例上的表现，每个病例最多包含 7 种不同的视觉证据类型。研究表明，虽然前沿模型在鉴别诊断生成方面与人类专家相当，但所有 MLLMs 在最终诊断选择中均存在显著差距，原因是异质临床证据综合能力不足。