PathWISE：多代理癌症途径分类本体论从临床流程图中学习

临床路径以视觉流程图的形式传播，其中空间拓扑、箭头方向、颜色编码和字体粗细对计算系统仍然无法访问的关键分类逻辑进行编码。我们推出了 PathWISE，这是一个五阶段管道，将四个基于 LLM 的代理与确定性深度优先搜索审核器和 Java 编译器批评器相结合，将这些不可计算的工件转换为经过验证的可执行 HL7 临床质量语言 (CQL) 库，可作为 FHIR CDS Hooks 服务部署。专门构建的代理将流程图结构提取到类型化有向图中，执行确定性路径枚举，对每个节点的可计算性进行结构化语义审计，生成由官方 Java CQL-to-ELM 编译器验证的术语约束的 CQL 定义，并生成覆盖 100% 枚举患者旅程的路由逻辑。 PathWISE 在五个英国 NHS 癌症路径（结直肠癌、肺癌、皮肤癌、上消化道和乳腺癌）中进行了演示，可审计多达 183 个节点（混合配置下为 182 个），识别了四个问题类别的 544 个结构化治理发现，实现了 100% 句法编译成功，其中 UNCOMPUTABLE 节点接收虚假占位符，保留可编译性，同时为临床审查提供治理差距，并为以下问题生成零幻觉术语代码：字典涵盖的概念。至关重要的是，PathWISE 将非确定性 LLM 推理限制在知识提取中，而确定性图形数学和标准编译器则支持每个验证步骤。