
-
生物通官微
陪你抓住生命科技
跳动的脉搏
SMART-RAG:面向NCCN癌症指南的结构化感知多跳检索增强生成框架
《npj Precision Oncology》:Towards a structure-aware multi-hop retrieval framework for large language model reasoning over complex oncology guidelines
【字体: 大 中 小 】 时间:2026年10月15日 来源:npj Precision Oncology 9.9
编辑推荐:
摘要融合临床指南的大型语言模型(LLMs)在医学问答领域展现出巨大潜力,然而对复杂指南进行结构化解析和证据检索仍然极具挑战性。我们提出了SMART-RAG(面向检索增强生成的结构化感知多跳检索增强技术),一个针对国家综合癌症网络(NCCN)指南的结构化感知多跳检索框架。SMA
融合临床指南的大型语言模型(LLMs)在医学问答领域展现出巨大潜力,然而对复杂指南进行结构化解析和证据检索仍然极具挑战性。我们提出了SMART-RAG(面向检索增强生成的结构化感知多跳检索增强技术),一个针对国家综合癌症网络(NCCN)指南的结构化感知多跳检索框架。SMART-RAG集成了自动化结构化解析、带元数据的结构化分块、结构化感知重排序以及多跳检索,以处理流程图、表格、注释和交叉引用,并支持动态的跨页和跨指南证据追踪。我们在基于公开数据集和人工整理数据集构建的选择题和自由回答型肿瘤学基准上对SMART-RAG进行了系统性评估。结果表明,传统RAG容易受到检索噪声的影响,可能导致原本正确的题目中出现高达20.69%的错误预测偏移。相比之下,SMART-RAG实现了更稳定的性能提升,准确率提高了14.02%,同时将检索干扰减少了11.17%。消融研究进一步证实了分块、重排序和多跳检索的重要性。