2026-06-15 CPGPrompt: translating clinical guidelines into large language model-executable decision support

2026-06-15 CPGPrompt: translating clinical guidelines into large language model-executable decision support

阅读目的：寻找项目解决方案（深入学习如何利用大语言模型将非结构化的叙述性临床指南自动、高精度地转换为结构化决策树/流程图，并探索解决大模型多条件数数差、时间线逻辑混乱、黑盒不透明等关键工程痛点）。
核心贡献：本文开发并验证了 CPGPrompt 框架，这是一种自动提示 AI 智能体系统。它首次实现了将文本指南或诊疗路径图自动编译为标准化的 JSON 决策树（图），并由另一个执行智能体模拟医生问答动态遍历该树。该系统在保证极高安全性（转诊 Recall 达 1.0）的同时，提供了完全透明、可审计的白盒推理路径，彻底告别了传统临床决策系统死板代码和传统大模型黑盒幻觉的两大硬伤。

1. 文献档案 (Metadata)

引用格式：Deng R, Martin G, Wang T, et al. CPGPrompt: translating clinical guidelines into large language model-executable decision support[J]. Journal of the American Medical Informatics Association, 2026, 33(4): 855-862.

• 题目：CPGPrompt: translating clinical guidelines into large language model-executable decision support
• 作者：Ruiqi Deng (Information Science, Cornell Tech, Cornell University)
• 期刊/会议：Journal of the American Medical Informatics Association (JAMIA)
• 级别：医学信息学顶刊 (中科院医学 1 区 / SCI 检索)
• 链接：JAMIA / Oxford Academic
• 标签：#ClinicalDecisionSupport #LargeLanguageModels #ClinicalPracticeGuidelines #DecisionTrees

2. 核心概念与疑问 (Concept & Q&A)

Q1：CPGPrompt 中的两种核心节点类型（简单特征检查与多准则检查）在 JSON 数据结构上是如何定义和区分的？

• 来源定位：原文 第 2 页“Guidance tree construction”节 (P856) 与 Figure 2
• 核心定义与实现：
  在提取决策逻辑时，系统规定了严格的 JSON Schema 模板。大模型据此将指南拆解为两类节点：
  • 简单特征检查节点（Simple Feature Check Nodes）：代表单条件评估（如“是否存在雷击样头痛”）。其结构为 { "name": "Thunderclap headache", "yes_action": "Send to ED", "no_node": "Next Feature", "criteria": null, "min_criteria": null }。满足即触发动作，不满足即跳转下一节点。
  • 多准则检查节点（Multicriteria Check Nodes）：代表复杂的“多选几”组合逻辑。结构中引入了 criteria（条件列表）和 min_criteria（最低满足阈值）。例如，偏头痛确诊需要满足 [恶心, 畏光, 干扰活动] 这 3 项中的至少 2 项，则定义 min_criteria: 2。这完美解决了大模型在逻辑条件合并时“数数不准”的痛点。

Q2：为什么系统在二元分类（是否需要转诊）任务中 Recall 可以达到完美的 1.0，而在多分类（细分路径分配）任务中表现较差（尤其在头痛领域仅 0.44）？

• 来源定位：原文 第 5 页“Results”节 (P859-860) 与 Table 2、Table 3
• 理解与延伸：
  • 二元分类 Recall 1.0：这是医疗安全红线的体现。由于决策树的顶部节点均由“红旗征”（重症指标）把守，大模型在面临主观性较强的临床描述时，出于安全考虑会采取极其保守的“防御性策略”——只要读到一丝疑似危险词，就立刻判定转诊（提前终止走图）。这保证了“绝对零漏诊（Recall 1.0）”，但也带来了过度诊断（Precision 稍低）。
  • 多分类表现较差：在多分类中，系统需要精准走通复杂的全部流程图分支（头痛有多达 24 个动作节点）。大模型极易在“否定词理解（Negation handling，如‘否认神经缺损’被大模型忽视而误诊）”和“时间线解析（Temporal logic，如‘持续超过12周’与‘1-6周未改善’的复合时间关系）”上犯错，导致最终落到了错误的分支节点。

Q3：如何解决大模型在处理长篇幅、高复杂度临床指南时的“注意力稀释”和“幻觉”问题？

• 来源定位：原文 第 2 页与第 4 页 (P856, P858)
• 理解与延伸：
  本文采用了“化整为零”的工程化切块与组装逻辑（Chunking & Merging）：
  • 分块编译（text2json / graph2json）：不将长篇指南整体输入，而是按照语义连贯性（如按指南的二级标题）切分成较短的逻辑片段，让 LLM 分别高精度生成局部的子树 JSON。
  • 主干先行（Lego-like Stitching）：为了防止多个局部子树拼装时发生“线连不上”或“悬空节点（Dangling Nodes）”问题，可以采用“先定死骨架（High-level Backbone），再往里填肉”的思路。在切分时为各小块预留好相同的“接口节点 id”（卡扣），最终通过 Python 代码一键拼接合并，形成完美闭环的完整决策树。

3. 痛点与动机 (Motivation)

• 现有问题：
  1. 传统系统死板：基于规则的传统临床决策支持系统（CDSS）需要庞大且繁重的人工编码，且完全无法读懂现代医学指南中微妙的医学自然语言（Nuanced language）。
  2. 直接问大模型极度危险：直接将病例输入给通用 LLM 进行问答，LLM 会产生“黑盒幻觉”和不一致的推理，在医疗场景下存在极大的安全风险。
  3. 前人方案不透明：此前的 MedDM 或 Text2MDT 框架虽然尝试将文字转为树，但转换过程仍需极重的人工干预，且其执行过程不可审计。
• 本文思路：开发 CPGPrompt 框架，通过“双智能体+两阶段”设计，先将非结构化文字/图片自动编译为标准化的 JSON 决策树（中间表示），再用执行引擎规范 LLM 的推理路线，实现“将大模型关进逻辑流程图的笼子里”，做到每一步流转都有据可查。

4. 核心方法 (Methodology)

1. 多模态逻辑提取（text2json & graph2json）：大模型既能读纯文本指南（头痛、前列腺癌），也能通过计算机视觉读懂 care-pathway 流程图图片（腰痛），通过特定的 Prompt 模板（Figure 2）统一转换输出为标准的 JSON 决策树。
2. 逻辑节点解耦设计：提取的信息包含 name, yes_action, no_node, criteria, min_criteria，通过设定列表和最低阈值，将复杂的医学多条件组合逻辑格式化。
3. 动态遍历执行引擎：聊天机器人（执行智能体）看着 JSON 树对病人进行“一问一答”式探路。遇到简单条件直接判断，遇到多准则条件则拆成多个一问一答（用外层 Python 数数），避免 LLM 自行计算的失误。所有走图路径均记录在 structured log（结构化日志）中。

5. 实验与结果 (Experiments)

• 出卷方法（多维虚拟病例测试集）：使用另一个 LLM 充当考官，按照生成的决策树，反向生成 4 种题型（单标准、多标准、干扰题、陷阱题）共 323 例高度逼真的虚拟病例，并由 3 名资深临床医生进行质量把关。
• 考试成绩分析（Table 2, 3, 4）：
  • 二元转诊任务： Recall（召回率）达到完美的 1.00 ± 0.00（零漏诊），F1 达 0.90-1.00。
  • 多分类细分任务：表现下降。头痛领域 F1 仅 0.44（因为症状极其主观模糊，大模型由于过度谨慎采取保守策略，导致在排除题中发生大量误诊过度转诊，得分仅 0.06）；前列腺癌得益于硬性化验数字，排除题拿了满分 1.00；腰痛得益于诊疗路径，得分 0.72。
  • 复杂度影响：短病历（0.84）和排版严谨的长病历表现最好，而中等长度、废话较多的口水话病历最容易让大模型迷失方向。

6. 思考与评价 (Comments)

• 优点：
  • 完美将大模型强大的“自然语言理解能力”与传统代码的“硬逻辑流转控制”深度融合，扬长避短。
  • 提供了一套白盒的、完全可追溯的 Structured Log（审计轨迹），是医疗 AI 走向临床合规与 FDA 审批的标杆性工程设计。
• 不足：
  • 虽然提升了转化效率，但第一阶段转成的 JSON 决策树仍需要“人眼（人工）”去核对和校验，未能做到 100% 全自动。对于主观性强的临床词、临界值以及复杂时间线（如“12周内起病且6周无好转”）的处理仍有翻车可能。
• 启发（如何完美应用到“医学指南转流程图”项目中）：
  1. “Text -> JSON -> Flowchart”数据流设计：在我们的系统中，大模型不要直接输出 Mermaid 代码，而是让其执行 text2json 提取出类似本文 Figure 2 的标准化节点数组，然后我们在后端用 Python 自动渲染出交互式流程图网页。这能彻底解决大模型直接写绘图代码容易串线、断线的硬伤。
  2. 克服大模型数数差的工程 Trick：在提取多条件判断（如“符合以下3条中任意2条”）时，模仿本文的 min_criteria 字段。在最终流程图交互时，由前端代码去判断打勾的数量，而不要让 LLM 独自计算。
  3. 克服时间逻辑硬伤：遇到“发病超过X周，且用药Y天无好转”等时间依存句时，在 Prompt 中强迫大模型将时间条件拆解为独立的、前后相连的、非黑即白的单条件时间判断框。
  4. 白盒决策可解释弹窗：将大模型走图时记录的 Thinking Steps 作为流程图节点的“鼠标悬停解释”。医生在查看我们自动生成的流程图时，鼠标指到哪个分叉，就能看到大模型提取的文字证据链，这能极大地增加系统的实用性和说服力。

---

记录时间：2026-06-15 20:05