PathWISE：多智能体系统将临床流程图转化为可执行医疗决策支持——癌症分诊路径的自动化革命

PathWISE是一个五阶段多智能体流水线系统，旨在解决临床流程图'人类可读、机器不可读'的数字化鸿沟问题。它通过四个LLM智能体结合确定性审计和Java编译器，将非结构化临床流程图转化为经过验证的、可执行的HL7 CQL临床决策支持服务，并可部署为FHIR CDS Hooks服务，助力医疗信息化与临床决策支持的自动化升级。

临床路径是规范诊疗、提升质量的重要工具，但以可视化流程图呈现的路径因包含空间拓扑、颜色编码等视觉信息，成为'非可计算的人工制品'，导致指南与IT系统脱节。PathWISE的使命是将这些非结构化流程图转化为验证过的可执行CQL库，解决视觉信息提取、语义理解、可计算性验证、治理合规四大核心挑战。

PathWISE的五阶段架构包括：

1. 结构提取智能体：将流程图图像转化为类型化有向图，识别节点、边及语义类型；
2. 路径枚举智能体：通过确定性图遍历枚举所有患者旅程，实现全覆盖与可达性分析；
3. 语义审计智能体：评估节点的定义完整性、术语规范性、逻辑一致性及数据可用性；
4. CQL生成智能体：采用术语约束策略生成零幻觉的CQL代码；
5. 编译验证层：通过官方Java CQL编译器确保代码语法正确与可执行。

PathWISE的关键设计原则是将非确定性LLM推理限制在知识提取阶段，用确定性图数学和标准编译器支撑验证步骤。此分离带来三大优势：

• 可审计性：验证步骤可重现，问题可精确追踪；
• 错误隔离：LLM错误被后续验证捕获；
• 渐进式改进：明确区分LLM能力不足与流程图本身问题，便于针对性优化。

PathWISE在NHS的结直肠癌、肺癌、皮肤癌、上消化道癌、乳腺癌五条路径上测试，覆盖最多183个节点的复杂场景。关键指标包括：

指标	结果
节点审计覆盖率	100%
语法编译成功率	100%
术语幻觉率	0%
治理发现数量	544个
患者旅程覆盖率	100%
治理发现分为定义缺失、术语未映射、逻辑模糊、数据缺口四类，为临床改进提供方向。

PathWISE生成的CQL库可部署为FHIR CDS Hooks服务，交互流程如下：

1. EHR触发：医生操作时发送CDS Hook请求；
2. 数据获取：从FHIR服务器获取患者数据；
3. CQL执行：评估患者是否符合路径条件；
4. 建议生成：生成个性化临床建议；
5. 卡片返回：以CDS Cards格式展示给医生，实现实时决策支持。

临床影响：

• 提升指南依从性，消除'指南-实践鸿沟'；
• 自动化质量监控，识别偏离路径病例；
• 促进跨机构路径标准化与最佳实践共享。 未来方向：
• 多语言扩展；
• 动态路径处理；
• 患者特定适配；
• 多模态输入支持（手绘/口述）。

PathWISE展示了LLM能力与医疗可靠性要求的结合，通过智能体协作、确定性验证与渐进式审计，确保临床安全性。在医疗AI领域，'缓慢行动、严格验证'是核心原则，PathWISE的技术路线为该领域提供了有价值的参考范式，将在提升医疗质量、减少差错中发挥重要作用。