GuideSkill：讓 LLM 執行臨床指南的智能推理層

研究團隊在 arXiv 上發表編號 2607.26160v1 的論文，提出名為 GuideSkill 的系統，旨在解決大型語言模型（LLM）在臨床實踐指南（CPGs）應用上的核心限制。現有系統通常僅檢索指南文本或透過訓練吸收內容，無法執行其規則；GuideSkill 則作為外部推理層，將特定疾病的診斷標準編譯為可執行函數，直接返回序數診斷支持分數。

該系統包含兩個核心組件：GuideSkill-Zero 與 GuideSkill-Evo。GuideSkill-Zero 直接從臨床指南進行初始化，而 GuideSkill-Evo 則利用病例與診斷配對數據來優化已覆蓋的技能並補充缺失的診斷。在推理階段，LLM 提出鑑別診斷，定位每個匹配技能所需的特徵，並將 LLM 的排名與執行技能的分數進行融合。

在四個基準測試與四個後端模型（backbones）的評估中，GuideSkill-Zero 的平均宏平均準確率比傳統基於指南的檢索增強生成（RAG）方案提升了 13.45%。GuideSkill-Evo 則在每個後端模型中均達到最高的宏平均準確率，相對於直接推理提升了 18.49% 的相對值，並將黃金標籤技能覆蓋率從 5 開始提升。