FHIR-RAG-MEDS：把 HL7 FHIR 接上 RAG 大模型，做出個人化的臨床決策支援

論文：Kabak et al., "FHIR-RAG-MEDS: Integrating HL7 FHIR with Retrieval-Augmented Large Language Models for Enhanced Medical Decision Support"（MDPI AI 2026；作者來自土耳其 SRDC 與西班牙 Albacete 大學醫院／CIBERFES）
開源實作：github.com/srdc/fhir-rag-med-interpret

一句話總覽

醫療大模型（Meditron、BioMistral、OpenBioLLM）只會吃靜態訓練資料，拿不到病人即時資料、也跟不上指引更新。FHIR-RAG-MEDS 把 HL7 FHIR 病歷接上 RAG 檢索增強：用 SMART on FHIR 即時抓病人摘要，再去向量資料庫檢索「實證臨床指引」，讓地端 LLM 產生「個人化且符合指引」的建議——成績全面勝過上述醫療大模型。

想解決的問題

把實證指引（evidence-based guideline）落地成個人化臨床決策支援（CDS）極耗人力：像 CAREPATH 這類整合照護專案，光是指引分析就要 3–6 個月，CDS 開發與驗證再 3–6 個月。
醫療 LLM 的天生限制：靠靜態訓練資料、無法動態更新知識、拿不到病人個案資料 → 建議可能過時、缺脈絡、不貼合個人。
單純 RAG 能把回答「接地」在實證來源、減少幻覺，但真正的個人化需要結構化存取 EHR（電子病歷）——這正是這篇補上的缺口。

系統架構（三個核心階段）

flowchart LR
    subgraph PRE["① 前處理 Preprocessing"]
        G["實證指引<br/>(PDF/Doc/HTML)"] --> CLEAN["清洗成純文字"]
        CLEAN --> CHUNK["切塊<br/>(1200字, 重疊100)"]
        CHUNK --> EMB1["mxbai-embed-large<br/>產生向量"]
        EMB1 --> VDB[("Chroma 向量庫<br/>cosine 相似度")]
    end
    subgraph RET["② 資料檢索 Data Retrieval"]
        FHIR[("HL7 FHIR Server")] -->|SMART on FHIR / OAuth2| BUNDLE["FHIR Bundle<br/>(人口/條件/用藥/觀察)"]
        BUNDLE -->|Llama 3.1 8B| SUMMARY["文字化病人摘要"]
    end
    subgraph EXE["③ RAG 執行 RAG Execution"]
        Q["臨床醫師提問"] --> MERGE["合併摘要+提問"]
        SUMMARY --> MERGE
        MERGE --> RETR["檢索 k=4 指引塊"]
        VDB --> RETR
        RETR -->|Llama 3.1 8B / Ollama| ANS["個人化、符合指引的建議"]
    end

前處理：指引文件清洗 → 用 Langchain RecursiveCharacterTextSplitter 切塊（1200 字、重疊 100）→ Ollama mxbai-embed-large 嵌入 → 存進 Chroma 向量庫（用 cosine 相似度，適合語意搜尋）。
資料檢索：透過 SMART on FHIR（OAuth 2.0 授權）即時抓取病人的人口學、條件、用藥、觀察等資源，組成 FHIR Bundle，再用 Llama 3.1 8B 把 JSON 轉成「文字化病人摘要」（選 Llama 3.1 8B 是因為小、可地端、護隱私）。
RAG 執行：把病人摘要與醫師提問一起向量化，檢索最相近的 k=4 指引塊，連同摘要餵給地端 Llama 3.1 8B，生成回答。整套可在本地網路內跑，機敏病歷不外流。

評估設計

案例：歐盟 CAREPATH 多重共病整合照護指引的子集——失智（MCI/MD）、COPD、高血壓、肌少症。由醫師專家組出 70 組虛構 Q&A 當 ground truth（不涉真實病人）。
文字指標：BERTScore（語意，主指標）、ROUGE-L（關鍵術語涵蓋）、METEOR（容許語言彈性）。刻意不用 BLEU——對醫療文字過於嚴苛、懲罰同義改寫。
LLM-as-Judge：Prometheus 2（微調過的 Llama 3.1 8B 評審，1–5 分）＋ RAGAS（context precision/recall、answer relevancy/correctness/similarity、faithfulness）。
人類評估：3 位老年醫學專科醫師，5 分量表。
對照組：Meditron、BioMistral、OpenBioLLM、原生 Llama 3.1 8B。

主要結果

FHIR-RAG-MEDS 在四個指引、所有文字指標上全面勝過所有基線模型。

指引	Prometheus 2（FHIR-RAG-MEDS / 最佳基線）	BERTScore F1	醫師平均分
失智	4.00 / 3.50（BioMistral）	0.637	3.67（±0.15，最低，個案最複雜）
COPD	4.38 / 4.15（OpenBioLLM）	0.631	4.38（±0.12）
高血壓	4.45 / 3.51（BioMistral）	0.649	4.45（±0.10，最高）
肌少症	4.36 / 3.91（Llama 3.1 8B）	0.737	4.36（±0.14）

RAGAS 表現強：answer similarity 0.908–0.942、context precision 高達 1.000（肌少症）、faithfulness 0.767–0.859。檢索到的脈絡高度相關、回答對指引忠實。
自動指標可信：三位醫師一致性 Cohen's κ = 0.79（高度一致）；自動分數與醫師分數相關 Pearson r = 0.85（p<0.01）——驗證自動評估框架可當可靠的輔助工具。
誠實揭露的缺口：即使語意正確，仍有 12% 的回答被醫師標為「缺乏具體可執行建議」。

限制與未來方向

70 個案是虛構 Q&A，非真實臨床個案 → 外部效度受限；未來要用回溯性／前瞻性真實個案驗證。
技術面：continual learning（讓系統即時吸收新指引）、RLHF（用醫師回饋微調、降偏誤）、explainability（在建議中明確標出所引用的指引段落，提升信任與可問責）。

為什麼值得關注

這篇示範了一條「地端、護隱私、符合指引」的個人化 CDS 路徑：SMART on FHIR 負責安全地把病人資料接進來，RAG 負責把回答錨定在實證指引上，地端 Llama 8B 負責生成——三者各司其職，且全程可在醫院內網跑完。

對照本 wiki 的同主題：本篇與〈SELSM：狀態增強邏輯技能〉是一組互補的「地端醫療 AI」——FHIR-RAG-MEDS 偏「讀」（檢索病人資料 + 指引、生成建議，不寫病歷），SELSM 偏「寫／動作」（GET+POST，靠技能蒸餾完成會改動狀態的 FHIR 任務）。兩篇都用地端 Llama／Ollama、都靠 FHIR 接病歷、都以隱私為核心設計。