RAG-TRACE 研究显示检索增强生成在ECG报告中引入大量不可验证诊断标准

该研究通过1,083份经人工验证的PTB-XL心电图记录评估发现，基于检索增强生成（RAG）的AI报告存在严重缺陷：关键词检索导致46.8%的GPT-4.1-mini报告中包含缺乏患者特异性测量支持的诊断标准。当引入确定性验证规则后，系统撤回了647项准则应用，其中639项原本没有数值检查，同时保留了268项由Uni-G独立支持的应用。这表明RAG机制本身会引入无法被患者数据证实的通用医学知识，而非针对个体的证据。

在控制指令和输出模式相同的条件下，启用检索反而使不支持准则的报告比例从17.4%上升至31.1%，而肥厚性心肌病的召回率保持在62.6%不变。将检索限制在14个可测试的准则上，可将初始不支持准则的比例降至13.8%。这一结果直接证明，单纯增加外部知识库的检索量并不能提升临床报告的准确性，反而可能因匹配到不相关的通用标准而降低诊断的可信度。

事实层面，本研究确认了RAG在特定医疗场景下会产生“伪证据”；推断层面，这意味着当前主流的RAG架构若不加严格的测量验证层，难以满足高可靠性医疗应用的需求；猜测层面，未来医疗AI系统可能需要从“检索即真理”转向“检索需验证”的混合架构，但这需要更多跨学科的工程实践来验证。