研究论文
PATHFinder：基于大模型的个性化产前护理对话代理
研究者提出端到端对话式AI系统PATHFinder，按PATH指南为孕妇定制护理方案，评估显示GPT-5.2在五个临床维…
2026.07.29 · 周三约 2 分钟阅读
arXiv 上一篇来自美国产前护理研究方向的论文提出了一种名为 PATHFinder Agent（Planner for Tailored Healthcare）的端到端对话式智能体系统，旨在为孕妇提供契合美国妇产科医师学会（ACOG）近期发布的 PATH（Plan for Tailored Healthcare）个性化护理指南的服务。
研究背景
产前护理是改善孕产妇健康结局的重要预防性服务。ACOG 近年倡导「量身定制的产前护理」理念，即根据个体健康状况与社会情境灵活调整护理方案。论文指出，现有实践在系统化收集患者背景、动态生成护理计划以及对接社区资源方面仍存在缺口。
系统设计
PATHFinder Agent 采用四阶段工作流：
- 患者信息采集（Patient Intake）：通过结构化对话收集孕妇的健康状况与社交环境信息。
- 动态交互（Dynamic Interaction）：根据患者反馈持续调整对话路径，补充遗漏信息。
- 方案合成（Plan Synthesis）：依据 PATH 指南为个体生成定制化的产前护理计划。
- 临床医师监督（Clinician Oversight）：由医务人员审核 AI 输出，确保安全性与合规性。
此外，系统还整合了 Michigan 211 社区资源数据，为患者推荐本地可用的支持服务。
评估结果
研究团队基于专家标注的评分量表，在五个临床维度上对多个前沿大模型进行了评估。主要发现：
- GPT-5.2 表现最佳，平均得分 77.6%。
- 系统在产前检查建议（antenatal testing recommendations）方面仍存在明显差距，被作者列为亟需改进的关键缺口。
局限与展望
作者明确指出，当前评估基于专家评分量表，尚未进行真实场景下的人体参与者研究或随机对照试验。论文的下一步计划是开展临床验证，以评估该系统在真实工作流中的安全性、有效性与可接受度。整体而言，PATHFinder Agent 展示了 LLM 在专科医疗对话场景中的可用性，但要进入临床实践仍需进一步的实证检验。