Towards Robust and Fair Next Visit Diagnosis Prediction under Noisy Clinical Notes with Large Lan...

文章主要内容与创新点总结

一、主要内容

本文聚焦大型语言模型（LLMs）在临床决策支持系统（CDSS）中的应用，重点研究嘈杂临床笔记下模型在下次就诊诊断预测任务中的鲁棒性和公平性。临床文本常因人为错误、自动处理流程缺陷等存在缺失（如实验室值遗漏、既往笔记重复）和扰动（如语音识别同音替换、光学字符识别字符错乱）两类退化问题，且现有研究未充分探讨这类退化对不同人口统计学亚组的影响。

研究基于MIMIC-IV公开数据集，选取Gemini-2.0-Flash和GPT-4o-mini两款LLM，模拟真实临床场景中的文本退化情况，从种族、年龄、性别三个维度评估模型性能。结果显示：整体上文本退化未显著降低模型预测性能（类似轻度数据增强），但少数族裔、年轻患者（18-40岁）等亚组的预测稳定性和公平性显著下降，长尾疾病诊断性能受退化影响更明显；而性别亚组间性能差异较小，老年患者（61岁以上）模型鲁棒性更强。

为解决上述问题，研究提出NECHO v3方法，通过基于临床本体的标签简化映射和模仿临床医生推理过程的分层思维链（CoT）策略，在不牺牲临床有效性的前提下降低标签空间维度，提升模型在嘈杂文本下的鲁棒性和亚组公平性。

二、创新点

1. 系统性评估框架：首次针对临床文本的两类退化（缺失、扰动）设计真实场景模拟方案，全面评估LLMs在下次就诊诊断预测任务中的鲁棒性与公平性，且覆盖种族、年龄、性别多个人口统计学亚组。
2. 临床适配的建模方法：提出临床本体驱动的标签简化方案，将高维诊断标签映射为17个父级诊