MedPlan: 基于两阶段RAG的个性化医疗治疗方案生成系统

论文信息

项目	内容
论文标题	MedPlan: A Two-Stage RAG-Based System for Personalized Medical Plan Generation
作者	Hsin-Ling Hsu, Cong-Tinh Dao, Luning Wang, Zitao Shuai, et al.
机构	台湾政治大学、交通大学、密歇根大学、史蒂文斯理工学院、亚东纪念医院、佛罗里达国际大学
发表会议	ACL 2025 Industry Track
论文链接	arXiv:2503.17900
代码仓库	GitHub

---

1. 研究背景与问题定义

1.1 医疗AI系统的现状与不足

尽管大语言模型（LLM）在电子健康记录（EHR）领域取得了显著进展，但现有系统存在一个关键缺陷：大多数系统聚焦于诊断评估（Assessment），而忽视了结构化的治疗方案规划（Plan）。

论文识别出现有方法的三大局限性：

局限性	具体问题
一次性生成	直接从临床数据生成治疗方案，未遵循临床医生的顺序认知推理过程
缺乏个性化上下文	很少整合患者特定的历史背景，如既往病史、历史治疗反应
信息混淆	未能有效区分主观患者叙述（Subjective）与客观临床测量（Objective）

1.2 SOAP方法论

SOAP是临床文档和推理的黄金标准，将临床信息组织为结构化的顺序决策过程：

组件	含义	示例
S (Subjective)	患者主观叙述	“我感觉胸闷、呼吸困难”
O (Objective)	客观检查数据	血压160/100mmHg，心电图异常
A (Assessment)	临床评估诊断	高血压合并冠心病可能
P (Plan)	治疗方案计划	降压药物调整、心脏导管检查

---

2. 系统架构

2.1 整体设计

MedPlan采用两阶段架构，模拟临床医生的推理过程：

图1：现有方法（左）与MedPlan（右）的对比。MedPlan采用SOAP协议，通过LLM模拟医生诊断过程生成医疗方案

核心设计理念：

• 第一阶段：基于S（主观）和O（客观）信息生成A（临床评估）
• 第二阶段：基于生成的A和原始S、O生成P（治疗方案）

图2：MedPlan框架整体架构

2.2 两阶段生成流程

阶段一：临床评估生成（Assessment Generation）

整合患者当前S和O信息，并融入两类参考：

参考类型	说明	作用
自我历史参考	患者前期SOAP记录	提供个体化纵向信息
跨患者参考	相似病例的SOAP记录	借鉴类似病例的诊疗经验

生成公式：

$$A_{gen}=f_{{\theta }_A}(S,O,R^{SOA},R^{hist})$$

其中 $R^{SOA}$ 为跨患者参考，$R^{hist}$ 为自我历史参考。

阶段二：治疗方案生成（Plan Generation）

使用生成的评估 $A_{gen}$ 和原始S、O检索并生成治疗方案：

$$P_{gen}=f_{{\theta }_P}(S,O,A_{gen},R^{SOAP},R^{hist})$$

2.3 两步检索机制

每个阶段的检索采用两步精细化策略：

步骤	方法	说明
第一步：粗筛	BM25 + 双编码器语义搜索	混合检索获取候选集
第二步：精排	交叉编码器重排序	深度语义匹配精细化选择

关键参数设置：

• $N_{hist}=20$：自我历史记录数量
• $N_{ref}=10$：跨患者参考数量
• $N_{sim}=80$：初始候选数量

---

3. 实验设置

3.1 数据集

配置项	设置
数据来源	台湾亚东纪念医院（FEMH）2021年数据
记录规模	350,684份门诊和急诊EHR SOAP记录
患者数量	55,890名患者
预处理	删除短于2字符的记录，规范化文本

数据划分策略（患者中心采样）：

• RAG知识库：6,000名患者记录
• 训练/测试集：3,000名患者记录

3.2 实现细节

配置项	设置
微调框架	Unsloth
微调方法	LoRA（参数高效微调）
嵌入模型	OpenAI text-embedding-3-large
重排序模型	VoyageAI Reranker-2
硬件环境	NVIDIA RTX 6000 Ada GPUs
最大序列长度	65,536 tokens

3.3 基线模型

模型	类型
o1	OpenAI闭源模型
GPT-4o	OpenAI闭源模型
Medical-Llama3-8B	医疗领域微调开源模型
Bio-Medical-Llama3-8B	生物医学领域微调模型
Medical-Mixtral-7B-v2k	医疗领域MoE模型

---

4. 实验结果

4.1 治疗方案生成性能

表1：不同模型和配置的治疗方案生成性能对比

方法	模型	自我历史	指令微调	跨患者	BLEU	METEOR	BERTScore
S+O→P	o1	-	-	-	0.016	0.140	0.817
S+O→P	GPT-4o	-	-	-	0.029	0.166	0.827
S+O→P	Medical-Llama3-8B	-	-	-	0.053	0.173	0.847
S+O→P	Medical-Llama3-8B	✓	✓	-	0.179	0.307	0.867
S+O→P	Medical-Llama3-8B	✓	✓	✓	0.291	0.477	0.908
S+O→A→P (MedPlan)	Medical-Llama3-8B	✓	✓	✓	0.315	0.516	0.916
S+O→A→P (MedPlan)	Medical-Mixtral-7B	✓	✓	✓	0.318	0.521	0.917

关键发现：

• MedPlan（S+O→A→P）在所有骨干模型上均优于直接生成方案（S+O→P）
• RAG使BLEU从0.053提升至0.307（约6倍提升）
• 两阶段方法进一步将BLEU从0.307提升至0.315

4.2 临床评估生成性能

表2：患者特定评估生成性能对比

模型	自我历史	指令微调	跨患者	BLEU	METEOR	BERTScore
Medical-Mixtral-7B	✓	-	-	0.302	0.469	0.906
Medical-Mixtral-7B	✓	✓	-	0.485	0.654	0.941
Medical-Mixtral-7B	✓	✓	✓	0.493	0.666	0.943

4.3 定性案例分析

图3：人类医生、基线LLM与MedPlan的治疗方案生成对比

面对复杂病例（高脂血症、高血压、代谢综合征、糖尿病前期等心血管风险因素）：

来源	生成的治疗方案
基线模型	“Keep current Rx”（保持当前处方）
MedPlan	“Cardiac catheterization. If symptoms persist, keep Kerlone, Cozaar, and encourage exercise and diet control”（心脏导管检查。如症状持续，继续服用Kerlone、Cozaar，并鼓励运动和饮食控制）

4.4 临床医生评估

MedPlan相比基线方法在临床评估上展示约66%的改进

---

5. 临床应用系统

5.1 系统架构

图4：MedPlan临床应用系统概览

5.2 技术实现

组件	技术栈
前端界面	React
后端服务	FastAPI + RESTful API
患者数据存储	MSSQL数据库
向量检索	Weaviate向量数据库
核心模型	两个专用LLM（A生成 + P生成）

---

6. 技术贡献总结

6.1 核心创新

创新点	技术贡献	解决的问题
两阶段SOAP对齐架构	先生成评估再生成方案	符合临床推理流程
双类型RAG增强	自我历史 + 跨患者参考	个性化与经验借鉴
两步检索精排	混合检索 + 交叉编码器	高效精准的知识检索
端到端临床系统	完整的生产级原型	可实际部署应用

6.2 性能提升汇总

对比场景	指标	提升幅度
无RAG → 有RAG	BLEU	+0.254（约6倍）
直接生成 → 两阶段	BLEU	+0.008
基线 → MedPlan	临床评估	+66%

---

7. 局限性与未来方向

7.1 当前局限

局限性	说明
数据依赖性	仅在单一医院数据上验证
语言限制	目前仅支持中文EHR
专科覆盖	未验证在所有专科的泛化性
实时性	两阶段生成增加延迟

7.2 未来研究方向

1. 多中心验证：在多家医院数据上验证泛化性
2. 多语言支持：扩展到英文等其他语言EHR
3. 专科适配：针对特定专科（如肿瘤、心内科）的定制优化
4. 实时优化：通过模型蒸馏等方法降低推理延迟

---

8. 实践启示

8.1 医疗AI系统设计建议

1. 遵循临床工作流：系统设计应对齐医生的实际推理过程（如SOAP）
2. 整合患者纵向数据：历史记录是个性化治疗的关键
3. 借鉴相似病例：跨患者参考可提升方案质量
4. 区分信息类型：主观叙述与客观数据应分别处理

8.2 伦理考量

• MedPlan是辅助工具，最终决策权在医生
• 所有数据经过脱敏处理
• 系统经过医院伦理委员会审批

---

参考文献

1. Lewis, P., et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS 2020.
2. Weed, L.L. (1968). Medical records that guide and teach. New England Journal of Medicine.
3. Touvron, H., et al. (2023). LLaMA: Open and Efficient Foundation Language Models. arXiv:2302.13971.