作者 | 論文團(tuán)隊

編輯 | ScienceAI

在臨床工作中，醫(yī)生每天都要面對復(fù)雜的推理過程：從病人主訴、化驗數(shù)據(jù)、影像學(xué)檢查，到診斷、治療方案和隨訪決策。

但這些過程不僅繁瑣，還充滿不確定性。能否讓人工智能來幫忙？

近年來，大型語言模型（LLMs）在醫(yī)療健康領(lǐng)域展現(xiàn)出前所未有的潛力。它們能讀懂病歷、生成診斷意見，甚至和患者對話。但要真正成為臨床的「智慧助手」，LLMs 需要的不僅是語言能力，更是醫(yī)學(xué)推理能力。

最近，一項由香港理工大學(xué)的研究者主導(dǎo)完成的綜述 ——《Aligning Clinical Needs and AI Capabilities: A Survey on LLMs for Medical Reasoning》，首次系統(tǒng)梳理了醫(yī)學(xué)推理的全景圖：需求、方法、數(shù)據(jù)、挑戰(zhàn)與未來方向。

論文鏈接：https://www.techrxiv.org/users/966100/articles/1334596-aligning-clinical-needs-and-ai-capabilities-a-survey-on-llms-for-medical-reasoning

Github鏈接（整理的現(xiàn)有的工作，更新中，歡迎補(bǔ)充）：https://github.com/pqpq17/Awesome-LLM-Reasoning-on-Medicine

五級醫(yī)學(xué)推理能力框架

該綜述基于 Miller’s Pyramid（米勒金字塔），提出了五級醫(yī)學(xué)推理能力分層體系：

• Level 1：醫(yī)學(xué)知識識別與標(biāo)準(zhǔn)化（Knows）
• Level 2：信息分類與初步分診（Knows How）
• Level 3：因果推理與綜合診斷（Shows How）
• Level 4：臨床決策支持與個性化推薦（Shows How / Does）
• Level 5：動態(tài)交互與復(fù)雜場景管理（Does）

這個框架清晰描繪了 LLM 從「會認(rèn)知識」到「能當(dāng)助手」的進(jìn)階路徑，對現(xiàn)有benchmark/dataset的做出了清晰的劃分。

此外，基于這個五級分類體系以及Reasoning類型的討論，該綜述明確指出一個雙視角（即computational & clinical）的對齊框架。

首個標(biāo)準(zhǔn)化五級基準(zhǔn)數(shù)據(jù)集

該綜述構(gòu)建了一個包含 5,000 條標(biāo)注樣本的基準(zhǔn)數(shù)據(jù)集，覆蓋五個層次的能力要求，并首次系統(tǒng)評測了 18 個代表性模型。

結(jié)果顯示：

• ?？颇Ｐ?→ 在診斷類任務(wù)上更突出
• 通用大模型 → 在決策支持、對話和總結(jié)上表現(xiàn)更佳

這為未來的模型選擇和任務(wù)分工提供了實證依據(jù)。

前沿方法全景回顧

該綜述全面回顧了醫(yī)學(xué) LLM 中的主流推理范式：

• 鏈?zhǔn)酵评恚–oT）：逐步解釋，思路清晰
• 長鏈推理（Long-CoT）：更深入的逐步分析，包含自我修正
• 檢索增強(qiáng)推理（RAG）：結(jié)合醫(yī)學(xué)文獻(xiàn)和知識庫
• 多模態(tài)推理：同時理解病歷、影像和文本
• 智能體推理（Agentic Reasoning）：主動規(guī)劃、調(diào)用外部工具、動態(tài)決策

同時，也直面四大挑戰(zhàn)：

• 高質(zhì)量醫(yī)學(xué)數(shù)據(jù)不足
• 「幻覺」問題仍然存在
• 缺乏證據(jù)溯源與臨床可解釋性
• 模型結(jié)果不確定性難以控制

社會意義

這項工作不僅僅是綜述，更是一種「對齊」的嘗試：

• 對齊臨床需求：明確醫(yī)生真正需要的推理能力
• 對齊 AI 能力：梳理當(dāng)前模型能做什么、還欠缺什么
• 對齊未來方向：為科研、產(chǎn)業(yè)和醫(yī)療實踐提供參考

研究團(tuán)隊希望這項工作能推動醫(yī)學(xué)大模型真正落地臨床，從「實驗室里的聰明模型」變成「病房里的可靠助手」。