核心发现
方法论
本文提出一套多阶段生成管道，结合大规模语言模型（LLMs）与术语校验机制，将非结构化临床文本转化为结构化、互操作的HL7 FHIR R4数据包。该流程包括信息提取、FHIR资源合成与语义验证三个核心步骤，利用SapBERT嵌入和FAISS索引实现术语校验，确保代码的准确性与一致性。通过多轮修正机制，有效减少幻觉代码，提升生成的FHIR包的结构和语义合理性。该方法在MedCaseReasoning基础上构建，生成了82.5%的有效病例，显著优于传统的合成工具。
关键结果
- 在MedCase-Structured数据集上，LLMs（如GPT-5.4、Claude-Opus-4.6）在纯文本输入中诊断准确率达85%以上，但在结构化FHIR输入中显著下降，最低达70%，显示结构化数据对模型推理提出更高挑战。
- 成功生成的FHIR包中，术语校验错误率控制在17.5%，主要集中在幻觉代码和覆盖不足问题，通过术语校验和修复机制显著降低了错误发生率。
- 在不同的诊断任务中，结构化输入的模型表现普遍低于纯文本，验证了结构化数据在临床推理中的复杂性，强调部署环境中标准化评估的重要性。
研究意义
该研究填补了临床诊断推理评估中缺乏真实、可控、结构化合成数据的空白，为LLMs在电子健康记录（EHR）中的应用提供了标准化、可扩展的测试平台。通过生成符合FHIR标准的临床数据，能更真实反映实际医疗场景中的数据结构和互操作性问题，有助于推动AI辅助诊断系统的临床落地。此方法不仅提升了合成数据的质量，也为未来多模态、多资源类型的临床推理研究奠定基础，具有重要的学术和产业价值。
技术贡献
本文提出的多阶段生成与校验框架结合了LLMs的强大文本理解能力与术语校验机制，创新性地实现了从非结构化文本到结构化FHIR数据的高效转换。引入SapBERT嵌入和FAISS索引，实现术语的高精度匹配与修正，显著减少幻觉代码。该方法在保持临床语义完整性的同时，确保FHIR资源的结构和互操作性，为临床决策支持系统提供了可靠的训练和评估数据。与现有的Synthea等工具相比，具有更高的可控性和多样性，支持多资源类型和诊断复杂度的模拟。
新颖性
本研究首次提出基于LLMs的多阶段、术语校验驱动的临床数据合成管道，专为诊断推理任务设计，突破了传统合成工具在复杂场景下的局限。通过结合术语校验、结构验证与语义修正，实现了高比例（82.5%）的有效FHIR数据生成，显著优于现有的静态或规则驱动方法。这一创新框架为临床AI模型的部署和评估提供了标准化、可控的模拟环境，推动了结构化医疗数据的生成技术发展。
局限性
- 当前管道支持的FHIR资源有限，未能全面覆盖所有临床场景，尤其是纵向时间序列和复杂诊断关系的建模仍需改进。
- 术语校验主要依赖于预定义的标准词库，对于新兴或模糊概念的映射仍存在幻觉和覆盖不足的问题，影响数据质量。
- 生成过程的计算成本较高，尤其在大规模、多资源类型的场景下，未来需优化算法效率以实现实时或大规模应用。
未来方向
未来将扩展支持的FHIR资源类型，增强纵向时间信息的建模能力，结合多模态数据（如影像、基因组）实现更丰富的临床场景模拟。同时，提升术语校验的智能化水平，结合上下文信息进行动态校正，减少幻觉代码。还将探索端到端训练策略，结合真实临床数据进行微调，以提升生成的临床合理性和多样性。最终目标是实现一个高效、全面、可控的临床合成平台，推动AI在实际医疗中的应用落地。
AI 总览摘要
在现代医疗体系中，电子健康记录（EHR）作为患者信息的核心载体，蕴含着丰富的临床数据，但其结构复杂、异构性强，极大限制了人工智能（AI）模型的有效利用。尤其是在诊断推理任务中，缺乏高质量、结构化、真实感强的训练和评估数据成为瓶颈。传统的合成工具如Synthea虽然能生成大量模拟患者，但在复杂临床场景和多资源类型的表达上存在局限，难以满足模型在真实环境中的需求。本文提出的MedCase-Structured，正是为解决这一问题而设计的创新方案。
该方法基于多阶段生成管道，结合大规模语言模型（LLMs）与术语校验机制，将非结构化的临床文本转化为符合HL7 FHIR R4标准的结构化数据包。具体流程包括：第一步信息提取，利用LLMs识别患者基本信息、症状、检验结果等关键要素；第二步FHIR资源合成，将提取信息映射到FHIR标准中的Patient、Encounter、Condition等资源类型；第三步语义验证和修正，利用SapBERT嵌入和FAISS索引对代码进行校验，减少幻觉代码，确保结构和语义一致性。通过多轮修正和规则后处理，最终实现了82.5%的病例成功生成。
在实际评估中，研究发现，尽管LLMs在纯文本输入中表现优异（诊断准确率达85%以上），但在结构化FHIR输入中，表现明显下降（最低70%），显示结构化数据对模型推理提出了更高的挑战。这一发现强调了在临床应用中，模型需要适应复杂、标准化的数据格式，才能实现真正的临床价值。
该研究的意义在于，提供了一个标准化、可控、临床真实感强的合成数据平台，为AI模型的训练、评估和部署提供了坚实基础。未来，随着支持资源的扩展和校验机制的优化，该方法有望在临床决策支持、智能诊断和个性化医疗等领域发挥更大作用。整体来看，MedCase-Structured不仅推动了医疗AI的技术创新，也为实现智能化、互操作的未来医疗体系提供了关键技术支撑。
深度解读
原文摘要
Large language models (LLMs) show promise for clinical reasoning and decision support, but evaluation in realistic, electronic health record-congruent settings remains limited. Existing benchmarks often rely on static datasets or unstructured inputs that do not reflect the structured, interoperable data formats used in clinical systems. We introduce a pipeline for generating clinically realistic HL7 FHIR R4 bundles from unstructured text, enabling controllable evaluation of clinical decision support systems. The pipeline combines staged LLM generation with terminology-grounded validation and repair to reduce hallucinated codes and enforce structural and semantic consistency. Applying this approach to MedCaseReasoning, we construct MedCase-Structured, a synthetic dataset aligned with clinician-authored diagnostic cases, achieving valid FHIR generation for 82.5% of cases. Evaluation on MedCase-Structured reveals consistently lower diagnostic accuracy for LLMs on structured FHIR inputs than with plain text, highlighting the importance of deployment-aligned benchmarking.
参考文献 (13)
Synthea: An approach, method, and software mechanism for generating synthetic patients and the synthetic electronic health care record
Jason A. Walonoski, Mark Kramer, Joseph Nichols 等
MedCaseReasoning: Evaluating and learning diagnostic reasoning from clinical case reports
Kevin Wu, Eric Wu, R. Thapa 等
Billion-Scale Similarity Search with GPUs
Jeff Johnson, Matthijs Douze, H. Jégou
Evaluation format, not model capability, drives triage failure in the assessment of consumer health AI
David Fraile Navarro, Farah Magrabi, Enrico W. Coiera
MIMIC-IV, a freely accessible electronic health record dataset
A. Johnson, Lucas Bulgarelli, Lu Shen 等
A systematic review of large language model (LLM) evaluations in clinical medicine
Sina Shool, Sara Adimi, Reza Saboori Amleshi 等
MIMIC-IV on FHIR: converting a decade of in-patient data into an exchangeable, interoperable format
A. Bennett, Hannes Ulrich, P. Damme 等
Self-Alignment Pretraining for Biomedical Entity Representations
Fangyu Liu, Ehsan Shareghi, Zaiqiao Meng 等
Reasoning with large language models in medicine: a systematic review of techniques, challenges and clinical integration
Isra Mansoor, Muhammad Abdullah, M. Rizwan 等
FHIR-GPT Enhances Health Interoperability with Large Language Models.
Yikuan Li, Hanyin Wang, H. Yerebakan 等
A scoping review of using Large Language Models (LLMs) to investigate Electronic Health Records (EHRs)
Lingyao Li, Jiayan Zhou, Zhenxiang Gao 等
Infherno: End-to-end Agent-based FHIR Resource Synthesis from Free-form Clinical Notes
Johann Frei, Nils Feldhus, Lisa Raithel 等
EHRStruct: A Comprehensive Benchmark Framework for Evaluating Large Language Models on Structured Electronic Health Record Tasks
Xiao Yang, Xuejiao Zhao, Zhiqi Shen