从临床叙述构建规划域模型的神经符号方法

腹腔镜阑尾切除术等外科手术是复杂、高风险的过程，但规范其决策支持工作流程仍然是一个重大挑战。由于缺乏结构化事件数据以及临床叙述中隐含行为的普遍存在，在这种情况下引入概率规划域模型特别困难，经验符号方法和 大语言模型 (LLM) 都无法单独充分解决这些问题。我们介绍 NSPIN，这是一种神经符号框架，用于从非结构化临床叙述中引入概率规划域模型。我们的方法使用预训练的 LLM 从原始文本中提取和插补结构化事件序列，然后在经验验证的指导下引入 PPDDL 模型并使用 LLM 提出的修订完善其先决条件。我们根据 9 名外科医生撰写的 2,660 份腹腔镜阑尾切除术笔记评估了该方法。 NSPIN 产生的模型可以推广到看不见的笔记，专家临床审查表明其归纳的知识在很大程度上与外科实践一致。