心血管AI｜npj Digit Med多中心研究：构建房颤管理LLM智能体PULSE，75个真实问题盲评验证
写在前面
房颤、慢性疾病管理、患者健康教育与AI智能体，是临床团队开展转化研究的理想方向之一。如果科室已积累患者随访资料、宣教内容、问答记录或术后管理数据，未必一定要从"大模型训练"入手，先把一个具体的真实管理场景做深做透，往往更容易产出有价值的成果。
从患者最常见的疑问谈起
房颤患者最担心什么？
不仅仅是心悸本身。更深层的焦虑，往往来自"不知道下一步该怎么办"。
医生嘱咐抗凝，患者会追问："我没有症状也要坚持服药吗？""感觉好转了，能否自行减量？""拔牙、胃肠镜或手术前，抗凝药要不要停？""做完消融术，还要继续服用抗凝药吗？""心率降到50以下还头晕，该如何处理？"
这些问题分量都不轻。回答过于笼统，患者抓不住要点；回答过于武断，可能带来风险；语气若过于冷漠，患者也不愿继续追问。
这篇发表于npj Digital Medicine的研究，正是聚焦于房颤患者的自我管理场景，开发了一个融合知识增强与领域感知能力的大语言模型智能体——PULSE。它并非让大模型依赖自身记忆直接作答，而是接入房颤知识库、临床指南、专家共识与标准问答资料，借助检索增强生成、问题重写、多模型一致性校验与反思机制，输出更适合患者阅读的答复。
研究选取75个来源于真实场景的房颤相关问题，对4个基础模型及其PULSE增强版本进行了测试，涵盖ChatGPT-5、Gemini-3、Qwen-3与Deepseek-V3.2。最终由3位拥有10年以上临床经验的心血管专科医生实施盲法评分。评价维度不仅限于"对不对"，还涵盖全面性、实用性、安全性、清晰度、简洁性和共情能力。
这项研究真正想解决的问题，并非"AI能否作答"
让大模型回答房颤相关问题，技术门槛并不高。
难点在于：回答能否与最新指南保持一致？是否遗漏了抗凝、卒中风险、出血风险等关键要点？会不会对患者产生误导？非医学背景人群能否真正理解？当患者处于焦虑状态时，回复是否带有一定的人文关怀？
普通大模型的短板恰恰在此。它可能输出大量内容，却未必切中要害；也可能语气温和，却忽略了关键医学风险。
PULSE的设计思路更接近临床场景下的"携资料作答"模式：先判断患者问题归属——属于房颤常识、检查、治疗还是无关话题；再将问题改写为更规范的形式；随后到房颤知识库中检索相关指南和共识；最后让模型结合检索结果生成答复，并通过反思机制进一步优化。
一言以蔽之：核心目标不是让AI更擅长对话，而是让AI先学会依据指南回应患者。
研究团队
作者团队汇聚了蚌埠医科大学第一附属医院心血管内科、四川大学华西医院国家老年疾病临床医学研究中心、武汉大学人民医院心血管内科、苏州市第一人民医院心血管内科、中山大学孙逸仙纪念医院心血管内科，以及相关数字健康与科技信息研究平台的多位研究者。通讯作者包括王军、谭武平与段首鹏。
此类研究有一个鲜明特征：它并非单纯的算法论文，而是心血管临床问题、患者教育与LLM-Agent工程的有机结合。对于房颤这种需要长期服药、定期随访、生活方式干预与反复解释的慢性疾病而言，这一切入点极具现实意义。
研究亮点
面向患者自我管理场景，而非医生考核问答。问题覆盖房颤认知、检查、用药、围手术期、特殊人群与随访等多元化情境。
并非直接调用大模型。PULSE接入房颤知识库，整合RAG、问题重写、领域分类、反思优化与多模型一致性机制。
评价维度贴近患者真实使用场景。不仅考察准确性，还综合评估全面性、实用性、安全性、清晰度、简洁性与共情能力。
专家盲评设计较为严谨。75个问题、8类模型输出、3名资深心血管专家、随机排序、分轮次评价。
增强效果呈现较好的稳定性。4个模型接入PULSE后，在回答质量与可读性方面整体均有所改善。
研究结果
图注：图形摘要展示了PULSE的整体工作逻辑：患者可通过文字、语音或图像形式提交房颤相关问题；系统依次经过领域识别、房颤知识库检索、RAG增强与多模型优化，最终输出更适合患者阅读的医学答复。
图示解读：该图直观呈现了PULSE与普通大模型的核心差异。
普通问答模式是"患者提问，模型直接作答"。PULSE则在中间嵌入了一整套处理流程：先判定问题领域，再调用房颤知识库，继而优化回答内容，最后输出面向患者的答案。图中还展示了优化后回答质量、阅读质量与总体质量的评分结果，说明系统关注的重点并非技术炫示，而是让患者真正能够读懂、用得上。
图注：Figure 1比较了4个基础大语言模型及其PULSE增强版本在回答质量方面的表现，包括总体质量、完整性、准确性、实用性与安全性。
图示解读：接入PULSE后，4个模型的回答质量均获得提升。
Qwen-3由3.91提升至4.46，Deepseek-V3.2由3.82提升至4.39，Gemini-3由3.98提升至4.49，ChatGPT-5由3.84提升至4.41，差异均具备统计学意义。
分维度来看，完整性提升尤为突出。例如Qwen-3完整性从3.67升至4.57，Deepseek-V3.2从3.51升至4.43。这与RAG系统的优势高度契合：模型不再仅依赖训练记忆，而是能够从知识库中补充遗漏信息。
对房颤患者教育而言，"完整"至关重要。因为遗漏一句"切勿自行停用抗凝药"，其后果远甚于语气不够友好。
图注：Figure 2评估了回答的可读性，包括清晰度、简洁性与共情能力。图中呈现雷达图、清晰度好评比例、简洁性评分与共情评分分布。
图示解读：许多医学AI回复存在一个通病：信息量充足，但表达方式如同照搬指南，患者读完后仍不知如何行动。
PULSE在清晰度与共情方面均有改善。Qwen-3清晰度获评"良好及以上"的比例由81.3%升至94.7%；Deepseek-V3.2由84.0%升至94.7%；ChatGPT-5由80.0%升至92.0%。
共情能力的提升更为显著。Qwen-3的共情评分由3.76升至4.76，"良好及以上"比例由65.3%升至97.3%。这一结果颇具启示：RAG与提示优化不仅能让模型更具"知识储备"，也能让回答更像在面对一位真实的患者。
与此同时，简洁性并未出现明显下降。也就是说，系统并非通过"写得更多"来换取高分。
图注：Figure 3综合比较了所有模型在回答质量与阅读质量方面的总体表现，并通过热图展示准确性、完整性、简洁性、安全性、实用性、共情、清晰度等各项评分。
图示解读：在基础模型中，Gemini-3整体表现最佳，总体质量为4.07。但接入PULSE后，各模型整体评分均有所提升：Qwen+为4.47，Deepseek+为4.37，Gemini+为4.42，ChatGPT+为4.40。
这一结果揭示了一个现实：框架的重要性可能高于单一模型本身。
不同大模型在原始能力上存在差异，但经过领域知识库、检索增强与回答优化后，整体表现趋于稳定。对临床部署而言，这一点比"哪个模型原始评分最高"更具实际价值。
图注：Figure 4展示了PULSE框架结构。系统支持文字、语音与图像等多模态输入；用户提问经过领域识别、关键词扩展与知识检索后，从房颤知识库中获取指南、专家共识与标准问答，再借助自一致性与反思机制生成最终答复。
图示解读：PULSE的工作流程颇为贴近一个"数字化房颤宣教门诊"。
患者首先提出问题，系统判定问题归属——属于一般知识、检查、治疗，还是与房颤无关；随后对问题进行标准化处理，例如纠正缩写、补充同义词、扩展关键词；再从房颤知识库中检索相关性最高的前10个片段，作为回答依据。
知识库内容涵盖2025中国房颤管理指南、2023中国房颤诊断和管理指南、2024中国急诊房颤管理指南、老年房颤抗凝专家共识、房颤心脏康复专家共识，以及900余条经专家审核的标准问答。
这一环节至关重要。房颤管理领域更新迅速，抗凝、消融、左心耳封堵、合并肾功能不全、围手术期停药等议题，每一项都不能仅凭模型的"印象作答"。
图注：Figure 5展示了PULSE的评估流程。研究选取75个房颤相关问题，提交给4个基础模型及其PULSE增强版本；所有回答均经匿名化处理并随机排序，由3名资深心血管专家分8轮进行盲法评价。
图示解读：该部分的设计较为贴近患者的真实诉求。
75个问题覆盖6大类别：房颤疾病认知、诊断检查、治疗用药、特殊人群、围手术期管理与随访。问题设置非常贴近实际，例如"无症状是否需要处理""智能手表能否检测房颤""心率低于50且伴头晕怎么办""抗凝药导致出血如何处理""消融后是否还需服用抗凝药"等。
专家评分分为两大维度：一类是医学质量，包括准确性、完整性、实用性、安全性；另一类是阅读质量，包括清晰度、简洁性与共情能力。这一评价体系相较于单纯询问"答案是否正确"，更贴近患者端AI的实际使用场景。
如何准确理解这篇文章？
本文并非在论证"AI能够取代心内科医生"。
它更像是回应另一个问题：患者在诊室外每天产生的大量疑问，能否由一个更可靠、更熟悉指南、更擅长解释的AI系统先承接一部分？
房颤管理具有特殊性。患者通常需要长期抗凝、控制心率或节律、接受消融或左心耳封堵评估，还要应对合并高血压、糖尿病、肾功能不全、心衰、卒中史等复杂情况。医生每次门诊不可能面面俱到，患者回家后又容易上网检索，信息质量良莠不齐。
PULSE的价值，就在于将大模型从"泛泛而谈"向"指南增强型患者教育工具"推进了一步。
但也需保持审慎。当前研究主要评估的是回答质量，而非患者的真实结局。它尚未证明PULSE能够降低卒中发生率、减少出血事件、改善服药依从性或降低再入院率。作者也指出，未来需开展多中心随机对照试验，进一步评估真实世界患者结局以及在不同健康素养人群中的适用性。
对临床团队的选题启示
此类研究的应用范围并不局限于房颤。
只要一种疾病具备三个特征——患者疑问多、长期管理复杂、指南更新快——便适合构建类似的LLM-Agent。
可参考以下方向进行迁移：
方向一：房颤患者术后管理智能体 重点聚焦消融术后复发判断、抗凝管理、复诊安排与生活方式建议。
方向二：抗凝患者教育AI系统 围绕华法林/DOAC用药、出血应对、围手术期停药、肾功能不全剂量调整等问题建立知识库。
方向三：慢病随访问答质控平台 整理真实门诊与随访中的高频问题，构建标准问答库，对比AI增强前后的准确性与安全性。
方向四：人机协作患者教育研究 比较医生宣教、AI宣教、医生+AI联合宣教三种模式，对患者知识掌握、焦虑水平、依从性与复诊行为的影响。
方向五：多病种指南增强Agent 从房颤拓展至高血压、心衰、糖尿病、慢阻肺、肿瘤术后随访等慢病场景。
其中最关键的并非"接入一个大模型API"，而是构建临床问题库、指南知识库、专家评价体系与真实世界验证流程。
写在最后
患者所需要的，并非仅仅是一个会说话的AI。
尤其是面对房颤这类慢性疾病，患者真正需要的是：回答准确、内容全面、表达清晰，且绝不能给出危险的建议。
PULSE这项研究指明的方向十分明确：将大模型置于一个更可靠的临床框架内，让它先阅读指南、先检索知识库、先自我校验，再回答患者问题。这样的大模型，才更接近临床实际所需的"患者教育助手"。
如果您的科室已积累患者宣教素材、随访问答、指南共识整理或慢病管理数据，不妨从某个具体场景切入。无论是房颤抗凝、消融术后随访、心衰出院管理，还是糖尿病用药教育，都能够构建一个兼具临床价值与发表潜力的AI-Agent课题。