MOSAIC：基于多框架结构化代理AI系统的可扩展临床沟通编码研究

《npj Digital Medicine》：An agentic AI system for multi-framework communication coding

【字体：大中小】 时间：2026年10月13日 来源：npj Digital Medicine 18.0

编辑推荐：

　　摘要临床沟通对患者的预后至关重要，然而，对患者与医疗提供者对话的大规模标注仍然耗时费力、不一致且难以规模化。现有的基于大语言模型（LLM）的方法通常依赖于单任务系统，在不同沟通框架和临床领域中的鲁棒性有限。在本研究中，我们开发了 MOSAIC，一种用于可扩展的临床沟通编码的多

摘要

临床沟通对患者的预后至关重要，然而，对患者与医疗提供者对话的大规模标注仍然耗时费力、不一致且难以规模化。现有的基于大语言模型（LLM）的方法通常依赖于单任务系统，在不同沟通框架和临床领域中的鲁棒性有限。在本研究中，我们开发了 MOSAIC，一种用于可扩展的临床沟通编码的多框架结构化代理AI系统。MOSAIC 结合了动态少样本提示、检索增强生成（RAG）以及基于 LangGraph 的多智能体工作流，用于规划、标注和验证。性能评估是通过对受过培训的人类编码者产生的金标准标注进行的。MOSAIC 基于 54 份标注转录本开发，并在涵盖风湿病学和产科/妇科（OB/GYN）的 120 份转录本上进行评估。在评估集上，MOSAIC 达到了 95.6% 的整体加权 F1 分数。在风湿病学领域表现最高（F1 = 95.9%），且在偏差和患者行为类别中最强（分别为 F1 = 96.4% 和 96.1%）。这些结果展示了多框架 AI 系统在可靠的临床沟通分析方面的潜力。