GuideSkill：将临床指南编译为可执行技能，推动LLM临床推理

临床实践指南（CPGs）是循证医学的重要基石，其中编码了针对各类疾病的诊断标准，帮助医生做出准确判断。大型语言模型（LLM）在临床推理上显示出巨大潜力，然而现有的LLM系统往往只是将指南当作文本检索，或在训练时将其吸收进模型参数，很少真正执行指南中蕴含的规则。这种间接的利用方式可能让模型在复杂病例中难以严格遵循指南的诊断逻辑。

GuideSkill正是为解决这一问题而提出。它来自Lang Cao等人于2026年7月28日提交至arXiv的论文（编号2607.26160）。该方法构建了一个外部推理层，将疾病特定的诊断标准编译为可执行函数，并返回序数的诊断支持得分。也就是说，给定一个病例，函数会产生一个反映其符合诊断程度的排序分数，让LLM得以“运行”指南逻辑，而非仅凭记忆作答。

具体来说，GuideSkill包含两个版本。GuideSkill-Zero直接从临床指南文本初始化技能模块，把规则转化为程序化的可执行功能；GuideSkill-Evo则在此基础之上，利用成对的病例–诊断数据对已有技能进行优化，并补充指南中缺失的诊断，从而形成更完整的技能库。在推理阶段，LLM首先生成一个鉴别诊断列表；然后系统针对每个候选项，从病例中抽取该技能所需的关键特征；最后将LLM自身的排序与执行技能得到的分数相融合，生成最终的诊断建议。这一设计保持了模型参数知识不变，同时通过外部结构施加了显式的规则约束。

实验证据相当有力。研究者在四个基准测试和四个骨干LLM上进行了系统评估。结果显示，相较于基于指南的RAG方法，GuideSkill-Zero平均将宏平均准确率提升了13.45%。GuideSkill-Evo则在所有骨干模型上都取得了最高的宏平均准确率；相比直接推理，相对提升了18.49%，并将金标准技能覆盖率从56.5%提升到99.5%。尤其是在Qwen3.5-9B上，GuideSkill-Evo在不更新任何骨干参数的情况下，超过了最强的参数更新基线11.16%。这个结果表明，可执行技能可以在很大程度上替代基于微调的性能提升，并且与具体模型无关。

论文还报告了专家评估的结果。临床医生认为GuideSkill生成的技能在临床上是合理且被广泛接受的，这意味着初始化的规则和进化后的规则都具有实际的可靠性。作者据此认为，可执行技能是一种通用的机制，能够将指南推导出的诊疗流程与真实病例所反映的诊断模式结合起来。

GuideSkill的应用前景值得关注。由于技能层是外部且模块化的，指南一旦更新，系统可以随时更换技能，而无需重新训练底层模型。同时，它提供了透明的审计路径：研究者或医生可以直接检查所执行的函数，而不是面对不可解释的神经网络输出。在强调责任与可追溯性的医疗场景中，这种透明性尤为重要。

未来的研究方向可能是将GuideSkill拓展到临床指南之外的其他结构化知识源，或者与医学影像等多模态输入结合。就目前而言，这篇论文提供了一个令人信服的概念验证：可执行技能能够在陈述性医学知识与稳健的LLM推理之间架起桥梁，为人工智能辅助临床决策开辟了新的思路。