GGraphRAG 文献图谱自动同步
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。

关联与拓展

研究问题入口

Q2 图构建与表示, Q3 证据检索与集合形成, Q4 查询规划与执行, Q8 效率与部署, Q9 评测与理论

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

  • GraphRAG MOC - GraphRAG 研究全景图
  • GraphRAG-Survey-2025 - GraphRAG 在专业领域中的整体图景
  • HyperGraphRAG - 医疗知识表达更细粒度的另一条路线
  • KG-RAG - 医疗/知识密集领域中常见的结构化增强思路 �����������