面向可信临床实践指南的计算增强型共识

保持临床实践指南（CPGs）的及时更新对于循证医学至关重要，但证据的快速增长和复杂的专家共识形成过程限制了及时更新。我们开发了 GUIDE，这是一种用于人机协作生成和更新指南的多智能体副驾驶系统。GUIDE 将劳动密集型任务分配给专门的 AI 智能体，同时保留专家判断和最终裁决权。在 12 个 NICE 眼科学数据集中，GUIDE 的文献召回率达到 88.85%，证据确定性评级一致性达到 86.06%，推荐意见一致率达到 91.67%；每个数据集平均耗时 162.17 分钟，其中人工干预占 28.68%。在来自心脏病学、内分泌学、胃肠病学和呼吸医学的另外 20 个数据集中，其性能保持稳定。消融分析显示，移除专家干预会降低偏倚风险评估等高度依赖判断的步骤的性能。在 6 个包含截止日期后证据的数据集中，GUIDE 在未见证据上仍保持了稳健的端到端性能。前瞻性真实世界验证表明，与原有的十年前指南相比，GUIDE 减少了专家工作量，并生成了临床上更可接受的推荐意见（平均评分为 3.73 对 1.53；一致率为 66.7% 对 13.3%）；其结果与仅由人工更新的结果相当（P = 0.588），但所需时间和精力显著更少。GUIDE 为及时、可信且以专家为中心的指南制定提供了实用框架，并验证了计算增强型共识的可行性。