VozConsultAI: A Provider-Agnostic Architecture and a Clinically Grounded Evaluation of Open-Weight Large Language Models for SOAP Note Extraction in Brazilian Portuguese Telehealth
本文介绍了 VozConsultAI，一种用于巴西葡萄牙语远程医疗中自动生成 SOAP 记录的与供应商无关的微服务架构，并展示了首次使用一种全新的、以临床为基础且优先考虑安全性并惩罚幻觉的评估指标对开源权重大语言模型进行的对比基准测试。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一位在巴西忙碌的医生，正试图通过视频通话为患者提供帮助。在倾听和交谈的同时，他还在手忙脚乱地尝试录入一份医疗报告。这份报告被称为 SOAP 笔记，它就像一份标准化的医疗记录“食谱”：它需要列出患者说了什么（Subjective，主观资料）、医生观察到了什么（Objective，客观资料）、医生认为出了什么问题（Assessment，评估），以及接下来的计划是什么（Plan，计划）。
在巴西庞大的公共卫生系统中，这类文书工作是一个巨大的负担，导致了职业倦怠。现有的多数自动化工具都像是来自美国的“黑盒”：它们只说英语，每次问诊的成本极其昂贵，并且会将敏感的患者数据发送到外国云端，这违反了巴西的隐私法。
VozConsultAI 是一个旨在解决这一问题的全新项目。你可以把它想象成一个智能、灵活且本土化的“数字书记员”，专门为巴西量身定制。以下是它的运作方式，分为几个简单的部分：
1. “通用翻译器”架构
想象一个繁忙的餐厅厨房。通常情况下，你必须向特定的厨师（特定的 AI 公司）订餐。如果那位厨师很忙或者菜单变了，你就束手无策了。
VozConsultAI 构建了一个智能订餐系统（称为“经纪人/Broker”），它位于医生和厨房之间。
- 供应商无关性（Provider-Agnostic）： 医生不需要知道是哪位厨师在烹饪。系统可以将订单路由给云端厨师、本地厨房厨师，或者免费的开源厨师，具体取决于可用情况和规则要求。
- 可靠性： 如果一位厨师打碎了盘子（系统崩溃），系统会察觉到，并把订单交给另一位厨师，而医生（客户）甚至不会察觉到曾发生过问题。
- 隐私至上： 因为巴西法律（LGPD）规定患者数据必须留在国家控制范围内，因此该系统可以完全在医院自己的服务器上运行，使用“开放权重”模型（其代码可免费下载并在本地运行的 AI 大脑），确保数据不出大楼。
2. “严厉的法官”（评估）
AI 医生的最大危险在于幻觉（Hallucination）——即 AI 编造出听起来很有道理但从未发生过的事实（例如，虚构了一个患者从未提到的症状）。
作者们不仅仅是询问“AI 是否写出了一个好句子？”，他们还创建了一个三部分的安全性测试：
- 正确性（Correctness）： 它是否将正确的资料放在了正确的章节？（例如：它是否把诊断放在了“评估”部分，而不是“计划”部分？）
- 覆盖率（Coverage）： 它是否遗漏了重要的内容？（例如：它是否忘记提到患者的过敏史？）
- 溯源性/接地性（Grounding，安全网）： 这是最重要的部分。对于 AI 写的每一个事实，它必须指向对话中医生或患者说出该事实的确切位置。如果 AI 编造了一个事实，它就会得到不及格的分数。
他们将这些指标结合成了一个单一的分数，称为临床文档质量指数（CDQI），该指数会对捏造事实的行为进行严厉惩罚。
3. “味觉测试”（结果）
团队使用 30 个虚构但真实的巴西医疗对话测试了五种不同的开源 AI 模型（“厨师”）。他们想看看哪种模型能在不产生幻觉的情况下写出最好的 SOAP 笔记。
- 获胜者： DeepSeek V3.2 脱颖而出。它获得了最高的整体安全性得分（0.87）和最好的事实遵循能力（0.96 溯源得分）。
- 亚军： Llama 3.3 的质量非常接近，但所需的计算能力更少。
- 惊喜之处： 规模并不总是越大越好。虽然最大的模型赢得了比赛，但稍小一点的模型（Llama）表现几乎同样出色，这证明了模型的训练方式比单纯的规模大小更重要。
- 薄弱环节： 所有模型在**评估（Assessment）和计划（Plan）*部分都遇到了困难。这很合理，因为这些部分需要 AI 进行推断或猜测*下一步行动，而这正是它最容易编造事实的地方。论文指出，这些部分始终需要人类医生进行复核。
核心结论
VozConsultAI 证明了巴西不需要依赖昂贵的、仅限英语的外国 AI 工具来实现医疗文书自动化。我们可以构建自己的系统，使其：
- 通过在本地服务器上运行来遵守当地隐私法。
- 能够轻松地在不同的 AI 引擎之间切换。
- 使用严格的“安全第一”评分系统，以确保 AI 不会捏造医疗事实。
论文总结道，虽然这些开源 AI 模型现在已经足够好用，但笔记中的“评估”和“计划”部分仍需人类医生在最终定稿前进行审核。目标是减轻医生的打字负担，而不是取代他们的判断力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。