知识卡片：面向纵向癌症照护的、基于患者特异性评分标准的大语言模型评估

一句话结论

研究提出 NPC-RubricBench——一个以鼻咽癌为疾病场景、覆盖六个连续照护阶段的“分期感知”基准，用患者特异性原子化评分标准评估大语言模型在多阶段临床推理中的表现；结果显示强诊断能力并不能延续到下游照护，且主导失败模式随阶段发生反转（原始摘要信息，全文待核实）。

事件概述或研究问题

• 现有 LLM 医学评估多集中于孤立的单次临床接触，较少追踪临床责任沿纵向照护路径如何演变（据摘要）。
• 研究问题：LLM 在癌症照护连续体各阶段的推理可靠性是否一致，静态诊断基准能否保证跨时间的临床可靠性（据摘要）。
• 基准以鼻咽癌（nasopharyngeal carcinoma, NPC）作为界定的疾病语境（据摘要）。
• 方法学细节、统计口径与外部效度：待核实（正文未获取）。

方法/产品要点

• 名称：NPC-RubricBench，phase-aware benchmark（分期感知基准），用于评估跨癌症照护连续体的多阶段临床推理（据摘要）。
• 数据来源：两家癌症中心 405 名患者的纵向记录（据摘要）。
• 规模：941 个“患者-阶段”单元，覆盖六个连续照护阶段；17,688 条患者特异性原子化标准，跨五个评估维度（据摘要）。
• 证据约束：每次评估严格限定在决策时点可获得的临床证据（decision-time clinical evidence）（据摘要）。
• 评估对象：30 个通用与医学专用 LLM（据摘要）。
• 评分标准构建流程、标注者一致性、基准开放情况：待核实。

主要结果或产业意义

• 强诊断表现未转化为下游照护改善（据摘要）。
• 主导失败模式随阶段反转：解剖分期以显式决策错误为主（48.2%）；初始检查与治疗后随访以决策遗漏为主（分别为 33.4% 与 30.4%）（据摘要）。
• 在所评估模型集合中，医学适配模型的遗漏率高于通用模型（据摘要）。
• 查询粒度存在规格权衡：宽泛开放式请求降低全部 30 个模型的决策质量（Decision Quality）；更细的清单式提示提升决策质量，但降低证据忠实度（Evidence Faithfulness）与安全依从性（Safety Adherence）（据摘要）。
• 产业含义：静态诊断基准不足以保证跨时间的临床可靠性，多阶段医疗 AI 需要阶段自适应防护措施（phase-adaptive safeguards）（据摘要）。

为什么重要

• 把评估单位从“单次问答”转向“患者-阶段”纵向单元，为医疗 AI 评测提供了可复用的分期化思路（据摘要）。
• 揭示“诊断强 ≠ 照护全程可靠”，对模型选型与部署监控提出不同于静态榜单的要求（据摘要）。
• 提示提示词粒度是可调节但非免费的杠杆：提升决策质量可能以证据忠实度与安全性为代价（据摘要）。
• 与既有卡片的关系：本卡片关注医疗垂直领域的纵向、分阶段评测设计；与“多模态大语言模型用于遥感图像理解”同属领域专用与通用模型比较议题，但疾病场景、评估维度与结论均不同，不构成重复；对“开放权重模型纵向数据准备”卡片而言，本条是“纵向”维度在临床评测场景的延伸，而非同一任务或同一结论的更新。

局限与不确定性

• 全文未抓取，以下均待核实：基准构建与质控流程、评分者间一致性、统计检验方法、30 个模型的具体清单与版本、提示词设计细节、两家癌症中心的地域与人群代表性。
• 单一疾病（鼻咽癌）语境下的结论能否外推到其他瘤种与照护路径：待核实。
• “医学适配模型遗漏率更高”的成因解释（训练目标、对齐策略或提示敏感性）：待核实。
• 摘要中“48.2%”“33.4%”“30.4%”等比例的分母定义与计算方式：待核实。

可用于图书/PPT/简报的角度

• “诊断榜单的幻觉”：用分期反转的失败模式说明静态基准的盲区。
• 一张图讲清“患者-阶段”评估单元：六个阶段 × 五个维度 × 原子化标准。
• 提示词粒度的双刃剑：开放式 vs 清单式提示在决策质量、证据忠实度、安全依从性之间的权衡。
• 医疗 AI 部署清单：阶段自适应防护措施与决策时点证据约束。
• 领域专用 vs 通用模型的再讨论：以“遗漏率”而非“准确率”为切入点的反直觉发现。

原始材料

• 标题（英文）：Patient-specific rubric-based evaluation of large language models across longitudinal cancer care
• 来源：arXiv，https://arxiv.org/abs/2610.35847v1
• 英文关键词（据标题与摘要）：large language models; longitudinal cancer care; patient-specific rubric; phase-aware benchmark; nasopharyngeal carcinoma; clinical reasoning; decision quality; evidence faithfulness; safety adherence
• 说明：正文未能抓取，本卡片仅基于已知元数据与摘要信息生成，标注“待核实”处需回原文核对。