LIT-129355E8 · 年份待核验
MED-COPILOT: A Medical Assistant Powered by GraphRAG and Similar Patient Case Retrieval
MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 **guideline-grounded GraphRAG** 和 **similar-patient retrieval** 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。
摘要级记录优先级 P1作者待核验发表信息待核验
内容状态:摘要级记录。结构化摘录继承当前知识库的来源等级;具体 claim 应回到一手论文核验。
研究问题与动机
- 医疗决策通常要同时参考:
- 患者当前病史与结构化信息;
- 临床指南;
- 历史相似病例;
- 传统 text RAG 很难稳定处理长而结构复杂的指南文档;
- 现有临床 RAG 多聚焦 guideline/document retrieval,却很少把“相似患者案例”纳入同一推理闭环;
- 单靠参数记忆的 LLM 在医疗场景里又有明显 hallucination 和证据不可核查问题。
方法与机制
- Guideline-grounded GraphRAG:
- 从 WHO 和 NICE 指南构建结构化知识图;
- 通过 community-level summarization 支持更高效的图检索;
- 用于提供 guideline-level 的规范性证据。
- Similar Patient Retrieval(SPR):
- 构建一个 36,000 例的相似患者库;
- 其中 18,000 来自 SOAP-normalized 的 MIMIC-IV ICU notes;
- 另 18,000 来自 Synthea 生成的合成病例;
- 相似度结合语义 embedding 与 clinically weighted keyword matching。
- Unified Retrieval Workflow:
- 推理时并行取回 guideline evidence 与 patient-case evidence;
- 再把两类证据联合送入 LLM。
- Interactive System:
- 论文同时发布 Hugging Face Space;
- 支持显式开关两类证据源,并可查看相似病例中的 query-conditioned saliency。
证据与结果
- 指南语料规模为:
- 118 份 WHO 指南
- 525 份 NICE 指南
- 合计超过 40M tokens
- 评测任务包括:
- MIMIC-IV clinical note completion
- MedQA
- MMLU-clinical
- 论文明确指出:无论在文本生成还是医疗问答上,SPR + GraphRAG 的联合方案始终最好;
- 在 Table 1 中,完整框架在 GPT-4.1-mini backbone 上达到:
- Clinical notes:
BLEU 0.035 / METEOR 0.321 / ROUGE-1 0.380 / ROUGE-2 0.124 / ROUGE-L 0.291 / BERTScore-F1 0.851
- MedQA Acc: 0.912
- MMLU-clinical Acc: 0.971
- 在 Table 1 中,完整框架在 Gemini 2.5 backbone 上进一步达到:
- Clinical notes:
BLEU 0.042 / METEOR 0.334 / ROUGE-1 0.419 / ROUGE-2 0.155 / ROUGE-L 0.300 / BERTScore-F1 0.862
- MedQA Acc: 0.937
- MMLU-clinical Acc: 0.971
- Table 2 的消融结果非常清楚地说明两部分都有效。相对 baseline,加入不同证据后的表现为:
- BLEU:
0.012 -> 0.028 -> 0.031 -> 0.035
- METEOR:
0.282 -> 0.315 -> 0.310 -> 0.321
- ROUGE-1:
0.301 -> 0.324 -> 0.352 -> 0.380
- ROUGE-2:
0.064 -> 0.099 -> 0.115 -> 0.124
- ROUGE-L:
0.144 -> 0.159 -> 0.258 -> 0.291
- BERTScore-F1:
0.825 -> 0.828 -> 0.840 -> 0.851
- MedQA Acc:
0.846 -> 0.851 -> 0.870 -> 0.912
- MMLU-clinical Acc:
0.868 -> 0.914 -> 0.952 -> 0.971
这里四列分别对应 Baseline / +SPR / +GraphRAG / +Both。
局限与开放问题
- 相似病例库混合了真实 MIMIC-IV 与 Synthea 合成病例,分布并不完全一致;
- 目前没有公认的 patient-level similarity gold standard;
- 系统定位是 research prototype,用于 decision support 与 evidence inspection,不是 autonomous clinical tool;
- 评测仍集中在 note completion 与 QA,距离真实临床部署还有很长距离。
展开原始论文笔记全文
基本信息
- 作者: Shuheng Chen, Namratha Patil, Haonan Pan, Angel Hsing-Chi Hwang, Yao Du, Ruishan Liu, Jieyu Zhao
- 机构: University of Southern California
- 发表: arXiv 2026
- arXiv: 2603.00460
一句话理解
MED-COPILOT 的核心不是只把临床指南做成 GraphRAG,而是把 guideline-grounded GraphRAG 和 similar-patient retrieval 放到同一套医疗推理流程里:前者提供规范性证据,后者提供类病例类比证据。
核心问题
- 医疗决策通常要同时参考:
- 患者当前病史与结构化信息;
- 临床指南;
- 历史相似病例;
- 传统 text RAG 很难稳定处理长而结构复杂的指南文档;
- 现有临床 RAG 多聚焦 guideline/document retrieval,却很少把“相似患者案例”纳入同一推理闭环;
- 单靠参数记忆的 LLM 在医疗场景里又有明显 hallucination 和证据不可核查问题。
方法概述
- Guideline-grounded GraphRAG:
- 从 WHO 和 NICE 指南构建结构化知识图;
- 通过 community-level summarization 支持更高效的图检索;
- 用于提供 guideline-level 的规范性证据。
- Similar Patient Retrieval(SPR):
- 构建一个 36,000 例的相似患者库;
- 其中 18,000 来自 SOAP-normalized 的 MIMIC-IV ICU notes;
- 另 18,000 来自 Synthea 生成的合成病例;
- 相似度结合语义 embedding 与 clinically weighted keyword matching。
- Unified Retrieval Workflow:
- 推理时并行取回 guideline evidence 与 patient-case evidence;
- 再把两类证据联合送入 LLM。
- Interactive System:
- 论文同时发布 Hugging Face Space;
- 支持显式开关两类证据源,并可查看相似病例中的 query-conditioned saliency。
主要结果
- 指南语料规模为:
- 118 份 WHO 指南
- 525 份 NICE 指南
- 合计超过 40M tokens
- 评测任务包括:
- MIMIC-IV clinical note completion
- MedQA
- MMLU-clinical
- 论文明确指出:无论在文本生成还是医疗问答上,SPR + GraphRAG 的联合方案始终最好;
- 在 Table 1 中,完整框架在 GPT-4.1-mini backbone 上达到:
- Clinical notes:
BLEU 0.035 / METEOR 0.321 / ROUGE-1 0.380 / ROUGE-2 0.124 / ROUGE-L 0.291 / BERTScore-F1 0.851
- MedQA Acc: 0.912
- MMLU-clinical Acc: 0.971
- 在 Table 1 中,完整框架在 Gemini 2.5 backbone 上进一步达到:
- Clinical notes:
BLEU 0.042 / METEOR 0.334 / ROUGE-1 0.419 / ROUGE-2 0.155 / ROUGE-L 0.300 / BERTScore-F1 0.862
- MedQA Acc: 0.937
- MMLU-clinical Acc: 0.971
- Table 2 的消融结果非常清楚地说明两部分都有效。相对 baseline,加入不同证据后的表现为:
- BLEU:
0.012 -> 0.028 -> 0.031 -> 0.035
- METEOR:
0.282 -> 0.315 -> 0.310 -> 0.321
- ROUGE-1:
0.301 -> 0.324 -> 0.352 -> 0.380
- ROUGE-2:
0.064 -> 0.099 -> 0.115 -> 0.124
- ROUGE-L:
0.144 -> 0.159 -> 0.258 -> 0.291
- BERTScore-F1:
0.825 -> 0.828 -> 0.840 -> 0.851
- MedQA Acc:
0.846 -> 0.851 -> 0.870 -> 0.912
- MMLU-clinical Acc:
0.868 -> 0.914 -> 0.952 -> 0.971
这里四列分别对应 Baseline / +SPR / +GraphRAG / +Both。
我的理解
- 这篇工作很像一个临床决策支持系统原型,而不只是一个检索算法论文。
- 它的设计很贴近真实临床推理:
- GraphRAG 提供“应该怎么做”的指南依据;
- similar-patient retrieval 提供“以前类似病例是怎么演化的”的类比依据。
- 这两类证据的结合,比单纯堆更多指南文本更像真实医生的思路,因此它的价值主要在 evidence composition,而不是单一模块最优。
- 从知识库角度看,这篇论文也说明了 GraphRAG 在行业场景里常常不是独立模块,而是要和其他 retrieval source 联合工作。
局限
- 相似病例库混合了真实 MIMIC-IV 与 Synthea 合成病例,分布并不完全一致;
- 目前没有公认的 patient-level similarity gold standard;
- 系统定位是 research prototype,用于 decision support 与 evidence inspection,不是 autonomous clinical tool;
- 评测仍集中在 note completion 与 QA,距离真实临床部署还有很长距离。
相关主题
原始笔记论文/GraphRAG/MED-COPILOT.md