结构化流程与检索增强生成提升大模型结直肠癌肝转移推荐一致性：110例情景研究

Research Square · 2026-10-16 · 预印本

• 一句话结论：在110例合成结直肠癌肝转移（CRLM）情景中，将专家流程引导与检索增强生成结合（WF-RAG-LLM）的推理策略，与专家参考推荐的一致性总分最高（0.626±0.070），提示该架构可能改善大模型对多学科肿瘤决策的复现。
• 研究设计与做法：研究为预印本，采用方法学比较设计：基于同一大模型（gpt-oss-120B）构建基线提示、RAG、流程引导提示及二者组合共4种推理策略，覆盖8类临床情景的110例合成情景，由3个独立大模型评审按5个维度评分。随访与真实患者结局材料未报告。
• 主要结果：组合策略总分0.626±0.070，高于RAG（0.559±0.111）、流程引导（0.527±0.168）与基线（0.444±0.162）；提升在化疗后、复发及解剖复杂情景中最大。原文未报告置信区间与p值，材料未报告。
• 机制或解释：作者解释为：将专家衍生的流程指导与基于检索的知识 grounding 结合，可提供更贴近临床的推理结构，从而提升与专家参考推荐的一致性。
• 局限与边界：局限包括：情景为合成而非真实患者，评审为LLM而非人类专家，样本量110例情景，属预印本未经同行评议，真实临床效用与安全性未验证；利益冲突材料未报告。
• 可否落地：落地含义：证据档位C，仅提示结构化流程加RAG可作为大模型肿瘤决策支持的一种架构方向，尚不足以下结论用于临床；需真实病例与人类专家评审的前瞻验证。

🔗 打开原文

Conticchio M, Pescol F, Carra G 等

本文摘自《每日前沿研究简报 · 2026-10-18》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。