CliniCIRCA：从原始 EHR 叙事构建纵向心理健康患者旅程的模块化 LLM 框架

研究者提出 CliniCIRCA，一个多阶段 LLM 框架，用于对临床年鉴进行日历锚定、容忍不精确的时间重建。它针对没有事件级时间戳的非结构化出院小结做时间分类。团队从 MIMIC-III 的 14,882 条心理健康入院记录中构建含 52 份出院小结的基准，产出 15,891 个带时间标签事件，经临床医生在环评估修正 629 个错误后形成验证过的金标准标签。

此前从无时间戳的出院小结中恢复事件时间顺序依赖人工或规则，难以规模化。该工作首次面向该类文本做事件级时间分类，并公开了经临床医生修正的标签，同时用框架生成 1,000 条银标准时间线作为训练数据，验证了指令微调对多个开源权重模型在抽取、时间标注和摘要上的提升。

框架分阶段处理：先从原始叙事中抽取临床事件，再为其推断日历锚点并标注时间不精确程度，随后按日期分组压缩为时间线，用于有依据的摘要。金标准由临床医生在环修正产生，银标准时间线则作为指令微调数据，把难以人工标注的纵向病程转化为可训练样本。

对做临床文档、病程摘要或病历结构化的产品，这说明可用多阶段 LLM 流水线把无时间戳的出院小结转成按日期分组的时间线，并在成本上以银标准数据替代部分人工标注。摘要压缩比约 1.52，可降低医生阅读长文本的负担，但落地仍需临床在环校验环节。

• 在电子病历或临床文档产品中加入按日期分组的时间线视图，输入为出院小结等非结构化文本
• 用临床医生在环修正流程批量生成金标准标签，逐步积累可复用的评测集
• 将框架生成的银标准时间线用于微调自有开源权重模型，降低对闭源 API 的依赖
• 针对心理健康以外的科室复用相同分阶段流水线，验证跨科室迁移效果

• 629 个错误修正后的金标准标签是否对外公开，以何种许可发布
• 银标准时间线作为训练数据的实际下游任务收益有多大，是否优于直接使用金标准
• 该框架在 MIMIC-III 之外的真实医院数据上是否保持同样的事件抽取与时间标注准确率
• 临床医生在环校验的人力成本是否会抵消自动化带来的效率收益