GuideSkill：让大模型真正“执行”临床指南，而非“背诵”
临床实践指南（CPG）是医生诊断疾病的重要依据，但大语言模型（LLM）在处理指南时，通常只是检索文本或通过训练“记住”内容，而非真正“执行”其中的规则。这导致模型在复杂临床场景下容易出错。针对这一痛点，一项新研究提出了 GuideSkill——一种外部推理层，能将疾病特定标准编译为可执行函数，并返回序数诊断支持评分。
从“检索”到“执行”的范式转变
传统上，LLM 系统处理指南有两种方式：一是通过检索增强生成（RAG）获取相关文本，二是将指南内容融入模型训练参数。但这种方式存在明显局限：指南中的条件逻辑（如“若 A 且 B，则考虑疾病 X”）难以被模型精确遵循，尤其在多病种鉴别诊断时。GuideSkill 的思路截然不同——它把指南中的诊断标准转化为可执行代码，让模型在推理时真正“运行”这些规则，而不是“回忆”它们。
两种初始化与进化机制
GuideSkill 包含两个版本：
- GuideSkill-Zero：直接从指南文本初始化技能，将诊断标准编译为可执行函数。
- GuideSkill-Evo：利用病例-诊断对进一步优化已有技能，并补充指南中未覆盖的罕见病种，使技能库更完整。
在推理阶段，LLM 先提出一个鉴别诊断列表，然后为每个匹配的技能提取所需特征，最后将模型自身的排序与技能执行得分融合，得出最终诊断建议。
实验成绩显著
研究团队在四个基准数据集和四个基础模型上进行了测试。结果显示：
- GuideSkill-Zero 相比传统指南 RAG，宏平均准确率平均提升 13.45%。
- GuideSkill-Evo 在所有基础模型上均取得最高宏平均准确率，相比直接推理相对提升 18.49%，并将金标准技能覆盖率从 56.5% 提升至 99.5%。
- 在 Qwen3.5-9B 模型上，GuideSkill-Evo 甚至超过了最强的参数更新基线 11.16%，且无需更新模型参数。
专家评估也表明，GuideSkill 生成的技能在临床上合理且可接受，说明其初始化和进化规则可靠且具有实际意义。
行业意义与未来展望
GuideSkill 的价值在于它是一种模型无关的机制，能够将指南推导的流程与病例推导的模式相结合。这意味着，医院或 AI 公司无需重新训练大模型，就能为特定专科或疾病定制可执行的诊断逻辑，大幅降低部署成本。
不过，该研究仍处于 arXiv 预印本阶段，尚未经过同行评审。未来，如何将这种可执行技能扩展到更广泛的医学领域（如治疗决策、预后评估），以及如何与多模态数据（如医学影像）结合，将是值得关注的方向。
对于医疗 AI 从业者而言，GuideSkill 提供了一种新思路：与其让模型“背诵”指南，不如教会它“执行”指南——这或许正是通往更可靠临床决策支持系统的一条可行路径。