引出：基于电子病历的纵向互动对话，用于信息寻求、分类评估和决策

急诊科 (ED) 分诊要求临床医生快速识别需要立即关注的患者，确定谁可以安全等待，并优先考虑有限的临床资源。然而，在就诊时，信息可能仅限于主诉和最初的生命体征。临床上重要的细节，包括症状的发生和进展、相关症状、病史和药物使用情况，通常可以通过集中谈话获得。因此，有效的分诊需要临床医生识别信息差距，提出适当的后续问题，并在新证据出现时更新他们的评估。大多数现有的 ED 基准评估来自固定临床快照的敏锐度预测。尽管这种表述在收集患者信息后衡量预测性能，但它没有捕获引出和解释分诊相关证据的交互过程。现有的医疗对话数据集支持临床沟通的研究，但对话语句并不总是与电子健康记录 (EHR) 中按时间顺序排列的事件相关联。我们推出 EHR2Dial-Triage，这是一种基于 MIMIC-IV-ED 的代理对话生成框架和基准。该框架在明确的基于角色和时间信息边界下构建分类对话。每个接受的患者披露都与其支持的 EHR 事件及其可用的第一个对话轮次相关联。 EHR2Dial-Triage 能够对信息获取、证据使用、五级紧急严重程度指数预测以及跨模型和患者角色的面向患者的沟通进行受控评估。它为研究会话分类作为临床信息获取、推理和交流的动态过程提供了一个结构化的环境。