摘要
患者语境涵盖数百份异构文档及数千结构化数据点，但 AI 检索所需文档级元数据往往缺失。标准检索增强生成（RAG）在此类数据上表现不佳，难以处理时序推理、跨文档依赖及元数据缺失问题。本文介绍了在德国埃森大学医学院部署的 ACIE 系统，这是一种本地化代理 RAG 流水线，能对完整患者语境进行推理，并将答案溯源至具体段落以供医生验证。通过与独立淋巴瘤登记研究的对比评估，在 7326 项判定中，临床医生对提取结果的接受率达 96.5%。
AI 推荐理由
论文核心在于解决跨文档依赖和时序推理难题，推理是系统成功的关键。
研究机构
Institute for Artificial Intelligence in Medicine (IKIM), University Medicine Essen, Essen, Germany
Department of Cardiology and Vascular Medicine, University Hospital Essen, Essen, Germany
Faculty of Computer Science, University of Duisburg-Essen, Essen, Germany
Department of Physics, TU Dortmund University, Dortmund, Germany
Lamarr Institute of Machine Learning and Artificial Intelligence, TU Dortmund University, Germany
Advanced Clinical Research Center, Fukushima Medical University, Fukushima, Japan
论文信息