ALLMTS 通过执行临床指南将 LLM 分诊准确率从 0.47 提升至 0.95

该论文提出自动化基于大语言模型的医疗分诊系统（ALLMTS），旨在解决直接查询 LLM 进行电话分诊时不可靠、过度升级常规病例且无法依据可审计临床标准提供理由的问题。ALLMTS 不直接让模型做决策，而是使其执行商业维护的远程医疗指南：选择适当指南并评估其分诊问题，处置结果由第一个肯定答案按护士遵循的遍历规则确定性地得出。

在包含 14 种处置结果的 566 个合成专家验证场景上测试，ALLMTS 准确率达到 0.95，而原始 LLM 基线仅为 0.47。在一个发布的 50 场景开放基准子集上，ALLMTS 达到 0.98 准确率，与五名护士专家小组记录的 0.944 正确处置率相当。关键差异在于误报率：基线在该子集上的过度分诊率高达 0.50（全数据集为 0.44），而 ALLMTS 将其降至最多 0.02，同时保持低漏报率。

事实层面，该系统通过结构化执行指南而非自由生成实现了性能飞跃；推断层面，这种“语言理解 + 可执行规则”的架构可能成为高合规要求领域（如医疗、法律）的通用范式；猜测层面，若此类方法能推广至其他垂直领域的复杂流程，可能改变当前纯端到端 LLM 应用的开发路径。