HealthProcessAI:一种用于LLM增强的医疗过程挖掘的技术框架与概念验证

《Frontiers in Artificial Intelligence》:HealthProcessAI: a technical framework and proof-of-concept for LLM-enhanced healthcare process mining

【字体: 大 中 小 】 时间:2026年01月30日 来源:Frontiers in Artificial Intelligence 6.7

编辑推荐:

  背景:过程挖掘已成为理解复杂医疗工作流程的强大分析技术。然而,其应用面临显著障碍,包括技术复杂性、缺乏标准化方法以及实践培训资源有限。为解决不熟悉性问题并提高可及性,研究人员提出了一种新框架,用于将技术分析转化为用户可理解的文本输出。 目标:研究人员介绍H

  
背景:过程挖掘已成为理解复杂医疗工作流程的强大分析技术。然而,其应用面临显著障碍,包括技术复杂性、缺乏标准化方法以及实践培训资源有限。为解决不熟悉性问题并提高可及性,研究人员提出了一种新框架,用于将技术分析转化为用户可理解的文本输出。
目标:研究人员介绍HealthProcessAI,这是一个生成式人工智能(GenAI)框架,旨在通过为现有Python(PM4PY)和R(bupaR)库提供全面封装来简化医疗和流行病学中的过程挖掘应用。为解决不熟悉性问题并提高可及性,该框架集成了多个大语言模型(LLM),用于自动过程图解释和报告生成,帮助将技术分析转化为不同用户能够轻松理解的输出。
方法:HealthProcessAI采用模块化架构,包含以下组件:(1)数据加载与准备,(2)过程挖掘分析,(3)LLM集成用于解释,(4)高级分析,(5)多模态报告编排,以及(6)验证框架。研究人员使用脓毒症进展数据作为概念验证示例对框架进行验证,并通过OpenRouter平台比较了五个最先进LLM模型的输出。本研究采用自动LLM评估进行技术验证,而由医疗专业人员进行临床验证计划作为未来工作。
结果:为测试其功能,该框架成功处理了四个概念验证案例的脓毒症数据。共生成32份报告,展示了稳健的技术性能以及通过自动LLM分析生成报告的能力。具体而言,每个案例有8份报告,每个LLM模型有4份报告。使用七个独立LLM作为自动评估者进行的LLM评估揭示了不同模型的优势:Claude Sonnet-4和Gemini 2.5-Pro在自动LLM评估中获得了最高的一致性得分(分别为3.72/4.0和3.49/4.0)。需要注意的是,这些输出未经医疗专业人员的临床验证。
结论:HealthProcessAI提供了一个标准化框架,在保持科学客观性的同时降低了医疗过程挖掘中的技术和培训障碍。通过集成多个LLM进行自动解释和报告生成,该框架解决了对过程挖掘输出的普遍不熟悉问题,展示了使其更易于临床医生、数据科学家和研究人员访问的技术可行性,但尚待临床验证。这种结构化分析与人工智能驱动解释的结合代表了将复杂过程挖掘结果转化为医疗应用潜在可操作见解的方法学新进展。然而,未来工作应包括由临床医生进行系统评价。
**论文解读:HealthProcessAI——LLM增强的医疗过程挖掘技术框架与概念验证**

**研究背景与问题**

医疗系统的数字化转型产生了大量非结构化数据,如电子健康记录(EHR)、临床信息系统、实验室结果和患者监测设备数据,这些数据蕴含患者旅程和临床工作流的复杂信息。过程挖掘作为数据挖掘与业务流程管理的交叉学科,能够从事件日志中提取洞察,已在外科手术、慢性病进展等领域展现出潜力。然而,其临床应用面临三大障碍:第一,现有工具技术复杂,需要医疗专业人员和数据科学家难以掌握的专门知识;第二,过程挖掘输出的解释需要深刻理解算法原理和临床背景,存在知识鸿沟;第三,缺乏标准化和综合性教育框架,导致方法学异质性,阻碍可重复性和跨研究比较。大语言模型(LLM)在理解复杂医学语言和情境化异构医疗数据方面表现出色,但其与过程挖掘的整合尚未被充分探索。因此,研究人员提出HealthProcessAI框架,旨在通过LLM增强过程挖掘,降低技术门槛,提高可解释性,使非技术用户也能获得可操作的临床洞察。

**研究内容与结论**

研究人员开发了HealthProcessAI框架,这是一种基于生成式人工智能(GenAI)的模块化架构,围绕现有Python(PM4PY)和R(bupaR)过程挖掘库构建,并集成多个LLM用于自动解释和报告生成。通过四个概念验证案例(感染/炎症进展、器官损伤/衰竭进展、肾功能进展、慢性肾病进展)对框架进行技术验证,使用PhysioNet脓毒症数据和SCREAM数据库的公开过程图。共生成32份报告,采用七个独立LLM作为自动评估者,按六项标准(临床准确性25%、过程挖掘理解20%、可操作见解20%、统计解释15%、报告结构与清晰度10%、循证推理10%)评分。结果表明,Claude Sonnet-4和Gemini 2.5-Pro表现最佳,平均得分分别为3.72/4.0和3.49/4.0;自动评估者间一致性良好(Fleiss κ=0.63,Cronbach α=0.92)。框架成功生成了结构化报告,并通过多模型编排实现了高于单模型的质量。该研究发表于《Frontiers in Artificial Intelligence》。

**主要关键技术方法(不超过250字)**

HealthProcessAI采用六模块流水线架构:数据加载与准备(模块1)、过程挖掘分析(模块2,封装PM4PY和bupaR,支持直接跟随图(DFG)、启发式挖掘器、Alpha算法、归纳挖掘器等算法)、LLM集成(模块3,通过OpenRouter平台调用Claude Sonnet-4、Gemini 2.5 Pro、GPT-4.1、DeepSeek R1、Grok-4等模型,使用五组件提示模板)、报告编排(模块4,多模型共识合成与确定性约束注入)、高级分析(模块5,预留预测监控、一致性检查等能力)、验证框架(模块6,自动LLM评估与Fleiss κ、Cronbach α计算)。样本队列来源:PhysioNet挑战2019脓毒症数据(40,336例ICU患者)和SCREAM数据库(斯德哥尔摩肌酐测量,PPI队列11,486例,H2B队列557例)。

**研究结果**

**3.1 过程挖掘分析结果**
通过比较五种过程发现算法,直接跟随图(DFG)获得最高F1分数(0.89),启发式挖掘器(0.85)、归纳挖掘器(0.82)、ILP挖掘器(0.79)、Alpha算法(0.76)依次降低,表明DFG在平衡拟合度和精度方面最优。

**3.2 LLM集成与报告生成结果**
共生成20份报告(每个案例5份,每个LLM模型4份),由七个LLM评估。Claude Sonnet-4总体平均得分3.72/4.0(95% CI [3.51–3.93]),Gemini 2.5 Pro为3.49/4.0(95% CI [3.15–3.75]),Qwen-2.5-72b第三(3.35/4.0),Grok-4和GPT-4.1并列第四(3.15/4.0),DeepSeek R1第六(3.10/4.0),LLaMA-3.1-70b第七(3.02/4.0),Gemma-2-27b第八(2.54/4.0)。评估者间一致性Fleiss κ=0.63,重测信度Cronbach α=0.92。

**3.2.1 经济分析**
成本效益分析显示,LLaMA-3.1-70b性能成本比最高(1905,每份报告$0.001),Qwen-2.5-72b和Gemma-2-27b次之(3017和2535,均为$0.001/报告)。DeepSeek R1为155($0.02/报告),Gemini 2.5 Pro为32($0.11/报告),Claude Sonnet-4为$0.26/报告,Grok-4为$0.61/报告,GPT-4.1最贵($1.13/报告)。

**3.3 比较分析与编排报告**
编排报告(模块5)综合五个LLM(Claude Sonnet-4、DeepSeek R1、Gemini 2.5 Pro、GPT-4.1、Grok-4)的结果,显示模型特定优势(如Gemini的“慢燃”假设、Claude的治疗窗口识别),主要发现一致性达85%,73%的洞察通过交叉验证增强,验证了多模型编排方法的有效性。

**3.4 框架验证示例**
案例I(感染进展):脓毒症过程图显示98.92%患者从高热开始,主流路径为感染+高热(14,940例),最终所有轨迹汇聚于脓毒症(1,206例,100%)。案例II(器官损伤):无脓毒症时,低风险(94.42%)主导,心脏损伤为中枢(32.58%);有脓毒症时,低风险(80.74%)直接转向多器官损伤(30.11%),心脏损伤与肾+心脏损伤平衡。案例III(肾功能进展):PPI组88.69%从起始直接进入G3期,77.88%自循环,20.71%进展至终点;H2B组93.54%进入G3,51.17%改善至G1/G2,11.67%至终点,表明PPI患者肾功能恶化更快、预后更差。案例IV(慢性肾病进展):PPI组9.99%经历30%下降,死亡率19.34%;H2B组仅3.37%下降,死亡率2.16%,过渡时间更短,显示H2B治疗与更可预测的较轻肾功能恶化相关。

**讨论与结论**

**总结讨论**:本研究证明了LLM与过程挖掘工具整合的技术可行性。关键发现包括:(1)模块化架构成功处理医疗事件日志;(2)多LLM能从过程挖掘输出生成结构化报告;(3)自动评估提供了可扩展的初始质量评估方法。多模型编排策略通过OpenRouter平台实现,利用互补优势提升解释准确性和成本效率。框架与PM2方法学对齐,将LLM集成置于评估阶段而非早期阶段,保留过程发现的分析严谨性。局限性包括:LLM输出未经临床专家验证(自动评估Fleiss κ=0.63仅反映评估者一致性)、样本量小(20份报告)、仅使用回顾性数据、未涵盖高级分析功能。未来需进行临床验证、扩展到更多临床领域、集成实时数据流。

**翻译研究结论**:HealthProcessAI通过AI集成为推进医疗过程挖掘提供了技术基础。这一概念验证证明了集成教育支架、多平台支持和多模型编排的可行性。然而,若没有严格的临床验证,则无法在医疗环境中实际部署。通过集成多平台支持和多模型编排,该框架使得缺乏数据科学专业知识的临床医生能够应用先进的过程挖掘技术。自动LLM评估为AI质量保证提供了可扩展方法,而多模型编排优于单模型方法。在四个概念验证案例上的验证确认了该框架生成结构化解释以用于潜在临床场景的能力,对Python和R实现的比较分析为技术选择提供了成本效益和性能方面的证据。未来工作应探索实时决策支持、人群水平过程挖掘,并使用真实临床案例进行测试,以支持个性化医疗和系统级优化。随着数据驱动医疗的发展,HealthProcessAI提供了一种经过验证、可访问且可扩展的方法来推进临床过程智能。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号