医疗聊天机器人知识建模的实证研究:从 RAG 到 GraphRAG

《Smart Health》:An empirical study of knowledge modeling for healthcare chatbots: From RAG to GraphRAG

【字体: 大 中 小 】 时间:2026年10月11日 来源:Smart Health 3.4

编辑推荐:

   # 摘要 大型语言模型(LLMs)越来越多地被应用于医疗健康聊天机器人中;然而,它们容易产生幻觉,并且在缺乏外部知识支撑的情况下缺乏可靠的领域知识。本文对医疗健康聊天机器人的知识建模方法进行了实证研究,所使用的语料库为澳大利亚卒中后驾驶指南。我们评估了原始大型语言模型、检索

  

# 摘要

大型语言模型(LLMs)越来越多地被应用于医疗健康聊天机器人中;然而,它们容易产生幻觉,并且在缺乏外部知识支撑的情况下缺乏可靠的领域知识。本文对医疗健康聊天机器人的知识建模方法进行了实证研究,所使用的语料库为澳大利亚卒中后驾驶指南。我们评估了原始大型语言模型、检索增强生成(RAG)和基于知识图谱的检索(GraphRAG)的性能。实验结果表明,知识增强可以提高准确性,其中GraphRAG在基于检索的方法中表现最佳。然而,我们的研究结果也表明,无论是RAG还是GraphRAG都未能提供完整的解决方案,这凸显了需要更加稳健的混合策略来支持可靠的医疗健康聊天机器人系统。

# 引言

数字对话系统现在在支持传统临床环境之外的患者方面发挥着至关重要的作用,特别是对于那些需要长期监测、持续康复或持续自我管理的人群。对话系统为患者提供了一个可访问且可扩展的途径,以获取及时的指导、安慰和循证教育。随着这些系统的不断发展,预计它们将成为现代医疗服务交付的重要组成部分,减轻医院服务的压力并提供增强的支持,尤其是针对农村和偏远地区的人群。

越来越多的研究强调了对话系统、智能代理或聊天机器人在医学和健康领域中的扩展作用和潜力。例如,Li等人(2023)进行了全面评估,证明基于聊天机器人的干预措施是可行的,并且得到了用户的良好接受。他们的研究结果表明,在身体功能、健康生活方式行为、心理健康和社会心理结果方面均有可衡量的改善。此外,该研究还建议,基于对话智能代理的干预措施可以通过整合到临床工作流程中来有效补充现有医疗服务,提高医疗服务交付的全面性、可及性和效率。在一项相关的综述中,Bibault等人(2019)研究了医疗聊天机器人的新兴应用。他们的研究结果凸显了众多有前景的用例,包括患者教育、症状监测和治疗依从性支持,同时还提及了若干正在进行的临床试验,以调查其有效性。我们先前的工作(Richards等人,2023)呈现了聊天机器人在卒中自我管理干预中的另一个用例。

传统聊天机器人通常遵循问答框架。许多早期的医疗健康聊天机器人围绕预定义的对话路径构建,使用脚本化对话流或决策树结构,将交互限制在窄范围的用户输入上。虽然对于简单任务(如常见问题解答、症状清单或预约提醒)很有效,但由于这些系统依赖于固定路径,它们难以应对意外问题、临床场景或患者表达症状的多样性。它们无法适应个别用户需求、情绪或沟通风格的演变,也无法整合来自先前交互的上下文知识。因此,传统的基于规则的医疗健康聊天机器人提供的参与度有限。

随着自然语言处理(NLP)、上下文建模和大型语言模型(LLMs)的最近进步,医疗健康聊天机器人正在演变为上下文感知的对话系统(Iqbal等人,2025;Tian等人,2024)。在这一范式下,聊天机器人不再是被动响应者,而是对话中的主动和自适应参与者,能够维护对话历史,从不完整的输入中推断用户意图,并基于症状历史、先前交互、环境因素和情绪基调等上下文信号定制响应。大型语言模型的整合显著增强了对用户查询的理解,使系统能够结合先前对话和相关患者信息来解释输入,而非将其视为孤立的陈述。

然而,许多最近的原型和实验只是直接部署原始的通用大型语言模型作为医疗健康聊天机器人,而没有额外的架构保障措施或领域适配。Wangsa等人(2024)对五个领先的可生成式AI聊天机器人(ChatGPT、Bard、LLaMA、Ernie和Grok)进行了系统比较评审,涵盖教育、技术和医疗等领域,并得出结论:没有任何单一模型在性能、伦理和可用性方面始终表现优越。他们的分析凸显了各模型在事实准确性、上下文稳健性和安全功能方面的显著差异,强化了通用大型语言模型尚未准备好作为临床聊天机器人用于实际应用的观点。

其他针对医疗健康领域基于大型语言模型的聊天机器人的综述和比较评估也报告了类似的担忧。Wang等人(2024)报告了ChatGPT和其他对话式大型语言模型在临床任务上的异构性和上下文依赖性表现,经常出现幻觉、可靠性不稳定和透明度有限。Huo等人(2025)进一步表明,许多大型语言模型系统提供了表面合理但在临床上不安全的建议。不同大型语言模型在医学考试或领域特定问题集上的直接比较同样显示存在显著的变异性:GPT-4通常优于Bard或某些开源模型等竞争对手,但在高风险项目上仍会产生相当比例的错误或误导性响应(Farhat等人,2024)。

这些局限性将医疗健康聊天机器人的开发置于更广泛的"可信人工智能"议程之中。与通用对话系统不同,医疗健康聊天机器人可能会与敏感的临床信息和脆弱用户交互,包括患者、护理者医疗保健专业人员。因此,可信人工智能超越了响应准确性:人工智能系统在其整个生命周期中应当是合法的、合乎伦理的,并且在技术上和社会上都是稳健的。其核心要求包括人工监督、技术稳健性和安全性、隐私和数据治理、透明度、多样性和公平性、社会和环境福祉,以及问责制(on Artificial Intelligence,2019;Díaz-Rodríguez等人,2023;Siddharth和Luo,2025)。互补性的综述进一步强调了可解释性、可靠性、安全性、可重复性、隐私保护、问责制和用户接受度(Abbasian等人,2024;Basharat和Shahid,2024;Goodman等人,2023;Kaur等人,2022;Li等人,2023;Mennella等人,2024;Wang等人,2023)。世界卫生组织关于健康领域人工智能伦理和治理的指导以及FUTURE-AI共识指南进一步强化了这些期望,强调在整个人工智能生命周期中的人文自主性、安全性、公平性、可追溯性、可用性、稳健性、可解释性和治理(Lekadir等人,2025;Organization,2021)。

多种策略已经出现以弥合这些差距。一类研究使大型语言模型具备与外部工具和API交互的能力,从而能够实时访问权威和最新的信息来源。另一个方向聚焦于模型适配,通过微调或参数高效技术(如LoRA和适配器)将领域特定知识纳入模型参数。虽然这些方法改善了领域对齐,但它们对快速知识更新的支持有限,并且不能本质性地提供生成内容的透明溯源。

互补方法通过附加额外的记忆组件来扩展大型语言模型,存储交互历史或用户特定信息,从而促进更加个性化和时间上连贯的对话。其他方法采用神经-符号框架,将神经语言模型与结构化表示(如本体或基于规则的系统)相结合,以强制实施领域约束并提高可解释性。人在回路范式通过纳入专家监督进一步增强了可靠性,确保与领域特定标准和实践保持一致。

在这些进展中,检索增强生成(RAG)作为一种将大型语言模型输出锚定于外部证据的实用方法而获得了 prominence。通过保留检索到的段落和源元数据,RAG可以支持可追溯性和有限程度上的证据级可解释性。然而,它本身并不能满足可信人工智能的更广泛要求。安全性需要防范文档投毒、提示注入和未经授权访问,而隐私则需要安全存储、访问控制和敏感数据的去标识化。社会可信性需要关注公平性、可及性和不同水平的健康素养,而环境可信性则需要考虑计算和能源成本。有意义的可审计性还需要版本化的知识库、检索到的证据、模型配置和生成响应的记录。因此,本研究将RAG视为一种技术组件,而非可信人工智能的完整解决方案。

在传统的RAG流水线中,领域知识被组织为一组非结构化文档,这些文档被分割为较小的单元,通常称为文本块。这些文本块通过基于变压器架构的稠密编码器嵌入到连续向量空间中。在处理查询时,系统计算其嵌入并根据余弦相似度等相似度度量检索最相关的文本块。虽然该方法能有效识别语义相关的内容,但它将检索到的单元视为独立的,并没有显式捕捉它们之间的关系。因此,推理过程在很大程度上局限于局部,限制了系统连接分散信息或执行多步推理的能力。

为了克服这些局限性,GraphRAG引入了以图??=(??,??)形式的结构化知识表示,其中节点对应实体或概念,边表示语义关系。与图元素相关联的额外元数据(如文本描述或置信度度量)可以进一步丰富信息,图1给出了一个示例。

给定查询??,首先生成嵌入????以识别图中的相关入口点。系统不是返回孤立的文本片段,而是通过约束遍历检索上下文相关的子图???????。该子图封装了一组相互关联的概念和关系,随后可以将其转换为结构化或文本表示,以便在响应生成过程中为语言模型提供条件约束。

因此,GraphRAG是对基于相似度的检索的扩展而非替代,即:嵌入相似度识别相关入口点,而图关系指导子图遍历和上下文构建。这种方法与其他结合结构化知识和大型语言模型的研究一致。例如,Siddharth和Luo(2024)从工程专利中提取了显式的主语-关系-宾语事实,并使用生成的知识库引导大型语言模型生成技术上扎实且连贯的响应。此类研究表明,显式关系知识如何能提供比独立检索的文本块更丰富的上下文。当知识图谱变得稠密和复杂时,可以将其组织为社区或特定任务的子图,或者通过将实体和关系重新组织为更简单、功能上连贯的知识结构(Siddharth,2025;Siddharth和Luo,2026)来更好地支持增量更新。

此外,基于图的公式化表示自然支持多跳推理,使系统能够通过遍历路径推断间接关系。这种能力在医疗健康等领域中尤为重要,因为决策通常依赖于综合多个相互关联的因素信息。

在医疗健康领域,基于检索增强和知识锚定的大型语言模型已被探索用于临床决策支持和指南查询。Perkins等人(2025)表明,RAG流水线挽救了大型语言模型在微生物学多选题上的较差基线性能。Baur等人(2025)、Lewis等人(2025)分别发现,基于检索的答案提高了患者教育和临床指南系统的可信度。Zhang等人(2025)证明,长上下文RAG减少了医学问答中的幻觉。然而,Maekawa等人(2024)证明检索增强并不总是改善大型语言模型的性能:在某些条件下(如噪声或无关的检索段落),增强模型的表现比未增强的模型更差,这凸显了检索质量控制的需求。

在本研究中,我们旨在系统地探究以下研究问题:

1. 与RAG和非增强基线相比,知识图谱增强的检索在多大程度上提高了大型语言模型的准确性?
2. 文本块粒度选择如何影响实体关系提取的有效性,从而影响下游问答性能?
3. 来自结构化知识增强的性能提升在较小或开源模型中是否比在较大的商业开发的大型语言模型中更为显著?

为了解答这些研究问题,我们开发并实现了一个全面的端到端流水线,运行于经过精心整理的澳大利亚卒中后驾驶文档语料库上。该流水线包括以下阶段:(1)文档清洗和Markdown规范化;(2)不同粒度级别的参数化文本分块;(3)使用多种成熟方法的实体-关系提取;(4)带有跨文档实体规范化的知识图谱构建;以及(5)基于支持性知识表示的大型语言模型问答。

利用该流水线,我们系统地评估了不同知识增强策略的性能,旨在提供实证见解以解答上述研究问题。

本研究的主要贡献如下:

- 在共同的答案模型和上下文约束下,对原始大型语言模型、稠密RAG和GraphRAG方法的受控端到端比较。
- 系统分析文本块粒度、提取后端和答案模型能力如何影响证据恢复和下游问答性能。
- 两个互补的证据锚定基准:用于单来源问题的SC119和用于需要证据分布在多个文本块和文档中的问题的MH50。
- 关于检索准确性、错误答案频率、证据可追溯性、计算成本以及基于图的增强在何种条件下有益的实用发现。

## 实验背景片段:卒中后驾驶

本研究基于一个明确定义且具有临床相关性的用例:该聊天机器人旨在为卒中幸存者、护理者和医疗保健专业人员提供支持,提供与卒中后恢复驾驶相关的循证信息。

这包括与康复相关的考量、驾驶医学适应评估、临床和职业治疗评估、许可和报告要求、车辆改装,以及在实验设计寻求适当专业支持的路径

**实验设计**

在本节中,我们讨论了关键的设计选择,包括所使用的实体-关系抽取工具以及实验中使用的评估框架。

**语料库与预处理**

语料库包含20份澳大利亚中 strokes 后驾驶评估相关文件,列于附录A中。每份文件通过半自动化流程转换为Markdown格式:PDF和HTML文件使用格式专用转换器进行解析,随后标题、列表和表格与源文件进行人工核对,以确保结构保真。选择Markdown作为规范的中间表示格式,是因为它能够保留层级结构。

**实验设置**

除非另有说明,第5.2至5.7节中的所有实验均使用第4.6节中描述的SC119基准。第5.8节报告了在MH50上的单独评估。比较了两个回答模型:DeepSeek-V3.2和GPT-5.4。稠密检索使用PubMed领域的句向量转换器。所有基于检索的方法共享12,000字符的上下文预算和最多6个上下文块,以确保性能差异来源于检索质量而非上下文量。

**跨范式的全面比较**

**结论**

本研究比较了四种知识增强范式——原始大语言模型、RAG、知识图谱增强检索和全上下文——基于20份澳大利亚中 strokes 后驾驶指南文件语料库进行问答,使用包含119道选择题和证据引文追踪的基准。实验变化了分块粒度、抽取后端和回答模型。我们对第3节中提出的三个研究问题总结如下。

**RQ 1:知识图谱增强检索是否优于……**

**CRediT作者贡献声明**

Yuqing Lin:写作——审阅与编辑,写作——原稿撰写,监督,方法论,调查,形式分析,概念化。Tao Tan:写作——审阅与编辑,写作——原稿撰写,方法论,调查,形式分析,概念化。Xiao Chen:写作——审阅与编辑,写作——原稿撰写,方法论,调查,概念化。Jawaher Alghamdi:写作——审阅与编辑,写作——原稿撰写,方法论,形式分析。

**伦理批准**

本研究不涉及人类参与者或动物受试者。因此,无需伦理批准。

**资金支持**

Heidi Janssen博士由Hunter Medical Research Institute(猎人医学研究所)女性卒中康复研究奖学金支持。

**利益冲突声明**

作者声明不存在利益冲突。

Yuqing Lin | Tao Tan | Xiao Chen | Jawaher Alghamdi | Heidi Janssen
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号