医疗AI：LLM生成临床查询语句可执行率超GPT-4o

时间：2026 年 11 月 8 日（本次媒体报道日期）。论文集《Abstracts from EHRCON25—openEHR International Conference 2025》实际发表于 2026 年 4 月 9 日的 BMC Proceedings 第 20 卷增刊 12 期第 15 篇，收录的 EHRCON25 大会于 2025 年 10 月 16 日至 17 日在西班牙巴塞罗那 CCCB 举行。 地点：西班牙巴塞罗那 CCCB 大会现场，论文集由 BMC Proceedings 在线发表；参与机构分布在斯洛文尼亚卢布尔雅那、意大利撒丁岛普拉、德国柏林、西班牙巴塞罗那等地。 人物：Better Ltd（斯洛文尼亚卢布尔雅那）的 Robert Tovornik、Borut Fabjan、Marko Zeman、Matic Bernik，卢布尔雅那大学与 Jožef Stefan 研究所的 Veljko Pejović、Martin Korelič，意大利 CRS4 的 Cecilia Mascia、Giovanni Delussu，德国柏林 Charité 医学中心的 Severin Köhler，以及瑞典斯德哥尔摩大区 Karolinska 大学的 Erik Sundvall。 事件详情：论文集收录 13 篇经同行评审的摘要，其中与人工智能直接相关的有四项。第一项是 Text2AQL，把临床人员的自然语言问题翻译成可执行的 AQL（Archetype Query Language）查询语句，流程是先抽取临床概念，再通过检索增强生成把概念映射到原型（archetype）与数据元素路径，最后由大模型组装查询语句，并用一个校验步骤纠正残缺子句、不存在路径之类的语法错误。在 1,274 条自然语言描述与其标准答案查询组成的基准上，Text2AQL 生成语法有效、可直接执行的查询比例达到 81.9%，高于通用模型的 GPT-4o（73.6%）和 GPT-5 mini（46.2%）。第二项同样来自这家公司，是把临床自由文本绑定到结构化模型的检索增强管线：原型被拆成语义单元，同时用 BM25 关键词检索与神经向量嵌入建索引，在 800 条临床叙述查询上原型召回率达到 0.73，高于 Clinical Knowledge Manager 资源查找工具的 0.53，也高于零样本提示 GPT-4.1 的 0.44。第三项是用 MCP（Model Context Protocol）协调 openEHR 与 HL7 FHIR 两套系统的多智能体框架：中心编排智能体解析临床意图，执行带显式顺序与错误处理的声明式 YAML 工作流，专职智能体用受限工具集分别完成 openEHR 与 FHIR 操作，openEHR JavaScript Views 作为预定义的临床数据投影模板被反复复用，从而减少临时生成 AQL 的依赖；与单智能体方案相比，分布式架构减少了工具误选，并消除了重复调用工具造成的循环。第四项是完全跑在手机上的健康 AI 智能体，这是首个在智能手机本地运行的 openEHR 个人健康数据检索增强原型，Android 应用基于 MobileTransformers 框架，端侧同时运行小模型、嵌入模型和包含生命体征、用药、过敏与检验结果的个人健康记录向量库，模型做 INT4 量化后在 Google Pixel 6 的 CPU 上测试，TinyLlama（1.1B）占用 0.94 GB 内存、生成速度 9.04 tokens 每秒，Phi3-mini-4k（3.5B）占用 2.7 GB 内存、速度 3.6 tokens 每秒；质量评测采用 G-Eval 方法、以 Gemini-2.5-pro 作为评审模型与云端模型对比，Phi3-mini-4k 在临床质量与忠实度上与云端模型对齐更好，但两个小模型都存在上下文取舍问题，偶尔会漏掉关键的急救处置说明。 背景：openEHR 是国际 openEHR 基金会维护的开放标准，用参考模型、原型和模板三层结构描述临床数据，其中原型是临床概念的可复用定义，模板把原型组合成具体用途，数据通过标准 REST 接口读写并用 AQL 查询，与走资源模型的 HL7 FHIR 是两条不同的路线。这批论文的主线有两条，一条是让不同系统之间的临床数据能够互通，另一条是让这些数据可以被智能体安全调用。论文集里也有一批与 AI 无关但同样关键的建模工作：2019 年启动的 openEHR 基因组计划已在 Clinical Knowledge Manager 公开 16 个原型，其中 10 个针对具体变异类型，例如倒位、缺失和拷贝数变异，并配套了测序分析、外部参考序列与知识库引用的模型，建模使用 Archetype Designer 等免费工具，评审与版本管理直接在 Clinical Knowledge Manager 中完成；世界卫生组织的产前保健数字适配套件中，879 个数据元素被映射为 62 个原型，其中 36 个已发布、22 个草案、2 个初始或预草案、2 个评审中，并新建了 2 个原型，98% 的数据元素能落到已有原型上。 影响：落地规模是这批工作的另一面。西班牙加泰罗尼亚公共卫生署在 2022 年 11 月至 2024 年 10 月间发放了 789,294 份电子患者报告结局，覆盖 42 种问卷，完成率 78.5%，其中 48.5% 在一天内完成，76.7% 的患者完成率达到 80% 以上，但只有 10.5% 通过患者门户提交；德国柏林 Charité 的团队扩展 Eos 与 OMOP 转换语言，把映射库覆盖到 196 个已发布原型，评测显示 8.65% 的 OMOP 核心概念字段无法映射到有效标准概念而被赋零码；瑞典斯德哥尔摩大区用三个月时间，把即将下线的 TakeCare 旧电子病历迁往基于 openEHR 与 FHIR 的新平台。对 AI 厂商来说，这批结果的共同指向是：在医疗场景，做好检索与校验的专用管线比直接调用通用大模型更可靠，而在数据不出手机的前提下，小模型加端侧检索同样能撑起可用的临床问答。 总结：这批摘要里最值得记住的三个数字是 81.9%、0.73 和 9.04。前两个说明，在写临床查询语句、给自由文本找结构这两件事上，带检索与校验环节的专用管线能稳定超过通用大模型；第三个说明把 1.1B 的小模型做 INT4 量化后放到手机上，生成速度仍有 9.04 tokens 每秒。需要留意的是，这些结果来自 2025 年 10 月的 EHRCON25 大会，论文集本身在 2026 年 4 月发表，属于研究阶段成果，距离进入真实临床流程仍有验证、监管与工程化的距离。 常见问题： 问：openEHR 和 FHIR 有什么区别？ 答：openEHR 用原型描述临床数据的语义结构，FHIR 是另一套广泛使用的医疗数据接口标准，这次的研究让智能体在两者之间协同取数。 问：大模型在医疗数据上到底能不能用？ 答：在写查询语句这类任务上要用专用管线，Text2AQL 的语法有效率 81.9%，高于 GPT-4o 的 73.6% 和 GPT-5 mini 的 46.2%。 参考来源： Bioengineer.org 对 EHRCON25 论文集的报道（2026 年 11 月 8 日） https://bioengineer.org/openehr-conference-demonstrates-advances-in-clinical-data-interoperability-and-artificial-intelligence/ BMC Proceedings 期刊页：Abstracts from EHRCON25—openEHR International Conference 2025 https://link.springer.com/article/10.1186/s12919-026-00367-3 openEHR 基金会官方说明：什么是 openEHR https://www.openehr.org/what-is-openehr/ openEHR 官方回顾：EHRCON25 大会落幕 https://conference.openehr.org/ehrcon25/ openEHR 临床知识管理器（Clinical Knowledge Manager），基因组原型所在 https://ckm.openehr.org/ckm openEHR 官方技术文：IHE 与 openEHR Plugathon https://openehr.org/ihe-and-the-openehr-plugathon/ openEHR Archetype Designer 建模工具 https://tools.openehr.org/designer/