VirtualTrialHarness 框架提升虚拟试验执行准确率至95.1%

该论文提出 VirtualTrialHarness (VTHarness) 智能体框架，旨在解决将临床研究方案转化为可执行分析时，因本地数据表示和操作惯例差异导致的概念映射不一致问题。VTHarness 通过为工作流各阶段选择可复用的程序化技能（procedural skills），并利用显式契约（explicit contracts）在流程各阶段维持决策一致性，从而协调虚拟试验的操作化过程。 在三个复杂的合成环境中，经过需求澄清后，VTHarness 成功在所有工作流程中生成了与参考结果匹配的队列输出，准确率达到95.1%，而仅使用相同程序化语料库检索的方法准确率为60.4%。此外，程序化技能在三种大语言模型上提升了源数据恢复能力，并在13个梅奥诊所病例中增加了与分析师代码的重合度；站点特定适配使该框架能在八个 MIMIC-IV 任务中实现与参考匹配的队列执行。 事实层面，该框架已在梅奥诊所虚拟试验项目中支持研究者审查队列构建和终点分析。推断层面，这种将程序化指导与工作流决策相协调的机制，可能显著降低复杂临床模式下的虚拟试验实施门槛。猜测层面，该方法是否能在非结构化程度更高的真实世界多中心研究中保持同等稳定性，仍需进一步验证。