研究称AI生成ECG报告中RAG诊断标准可靠性存疑

2026年11月1日，Elyas Irankhah等人在arXiv预印本平台发布了名为《RAG-TRACE：追踪AI生成ECG报告中测量证据与诊断完整性》的论文。该研究专门针对采用检索增强生成（RAG）技术的大语言模型在生成心电图报告时的可靠性进行了测试。 研究数据显示，在引入RAG机制后，GPT-4.1-mini生成的ECG报告中，有46.8%包含了无法通过实际测量验证的诊断标准。这表明AI在将检索到的医学知识转化为具体诊断时，存在较高的证据缺失或幻觉风险。 RAG-TRACE框架旨在解决这一痛点，通过追踪测量证据与诊断完整性，揭示现有AI医疗辅助系统在临床决策支持中可能隐藏的逻辑断层与准确性隐患。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。