证据太多,时间太少:通过多目标证据推理从文本到可操作建议

循证临床决策要求专科医生识别、评估并综合相关科学文献。然而,针对复杂临床病例的PubMed检索往往返回数百篇文献,在时间约束下无法人工审阅。本研究提出SCEPTER(单病例证据驱动的PubMed到建议推理器),一个将临床病例描述转化为循证建议的框架。SCEPTER结合PubMed检索、PubMedBERT语义排序、基于大语言模型(LLM)的论断抽取、证据等级加权、矛盾检测、共识分析以及多目标帕累托论断选择。该框架生成结构化的证据综合与有据可依的可操作建议。论文问答模块进一步支持对入选文献的交互式探索。该框架引入的多目标推理模型,将文献支持、矛盾分析与交互式文献质询整合到统一的临床决策支持管线中。在150个病例研究上的评估表明,该框架把平均576篇论文的检索空间压缩至53篇保留论文、7条帕累托最优论断和3条最终建议,总体压缩比达192:1。尽管大幅压缩,保留的证据仍保持高多样性(熵=0.901)。消融研究显示,与常规排序方法相比,基于帕累托的选择提升了证据多样性与建议实用性。