當大模型遇見醫學推理：香港理工大學等發布AI醫學推理綜述

作者 | 論文團隊

編輯 | ScienceAI

在臨床工作中，醫生每天都要面對復雜的推理過程：從病人主訴、化驗數據、影像學檢查，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）在醫療健康領域展現出前所未有的潛力。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，更是醫學推理能力。

最近，一項由香港理工大學的研究者主導完成的綜述 ——《Aligning Clinical Needs and AI Capabilities: A Survey on LLMs for Medical Reasoning》，首次系統梳理了醫學推理的全景圖：需求、方法、數據、挑戰與未來方向。

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（整理的現有的工作，更新中，歡迎補充）：https://github.com/pqpq17/Awesome-LLM-Reasoning-on-Medicine

五級醫學推理能力框架

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

• Level 1：醫學知識識別與標準化（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：動態交互與復雜場景管理（Does）

這個框架清晰描繪了 LLM 從「會認知識」到「能當助手」的進階路徑，對現有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。

首個標準化五級基準數據集

該綜述構建了一個包含 5,000 條標注樣本的基準數據集，覆蓋五個層次的能力要求，并首次系統評測了 18 個代表性模型。

結果顯示：

• 專科模型 → 在診斷類任務上更突出
• 通用大模型 → 在決策支持、對話和總結上表現更佳

這為未來的模型選擇和任務分工提供了實證依據。

前沿方法全景回顧

該綜述全面回顧了醫學 LLM 中的主流推理范式：

• 鏈式推理（CoT）：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
• 檢索增強推理（RAG）：結合醫學文獻和知識庫
• 多模態推理：同時理解病歷、影像和文本
• 智能體推理（Agentic Reasoning）：主動規劃、調用外部工具、動態決策

同時，也直面四大挑戰：

• 高質量醫學數據不足
• 「幻覺」問題仍然存在
• 缺乏證據溯源與臨床可解釋性
• 模型結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：明確醫生真正需要的推理能力
• 對齊 AI 能力：梳理當前模型能做什么、還欠缺什么
• 對齊未來方向：為科研、產業和醫療實踐提供參考

研究團隊希望這項工作能推動醫學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」。