迈向无差错的 EHR：电子健康记录中临床记录和结构化表格之间的推理密集型一致性验证

电子健康记录 (EHR) 中非结构化临床记录和结构化表格之间的数据一致性对于患者安全和临床决策至关重要。然而，现有的注表一致性验证工作主要依赖于数值或简单事件的表面级匹配。这种方法无法捕捉现实世界 EHR 文档背后的推理，包括临床解释、事件关系和时间变化。为了解决这一差距，我们引入了 EHR-ReasonCon，这是一个用于笔记表一致性验证的推理密集型基准。它以 MIMIC-III 为基础，具有专家指导的注释，包含源自临床记录的 8,048 个实体，并提供高质量的 真值 标签。注释协议由专门的表格探索工具支持，以确保系统的证据检索和可靠的一致性评估。我们还提出了 EHR-Inspector，这是一个基于 LLM 的框架，可以对注释进行分段、提取锚实体和时间引用，并使用表探索工具来验证结构化表的一致性。 EHR-Inspector 使用经过专家验证的 LLM 作为法官指标在严格和宽松的标准下进行评估，在多个模型主干上实现了最先进的性能。分析进一步证明了其组件的有效性，并突出了与人工验证的差异。