临床研究提问不再逐条手写SQL：智能体流水线在50项儿科骨科查询中与分析师队列对照
核心概要
临床研究中的自然语言数据查询过去要由工作人员翻译成可计算规则、挑选数据源并手写院内查询。一个基于大语言模型的多智能体流水线把研究者提交的请求拆成按数据源划分的任务，生成并执行SQL，再结合结构化记录与病历文本判读。在50项儿科骨科查询中，43项完成人工复核，调整后每项请求的中位阳性预测值为0.93、观察并集内敏感度为0.92、F1为0.90。
深度剖析
临床研究数据查询现在可以由一条多智能体流水线端到端承接：它读取研究者用自然语言写成的请求，自行决定需要哪些证据来源，生成并执行院内SQL，再对病历文本做针对该研究的判读。 此前这类请求要由研究 staff、信息学人员和数据分析师逐条翻译成可计算规则、挑选数据源、编写机构专用查询并解释结果；已有的LLM工作多停留在基准数据集、离线实验或单一表型，且报告过规则过宽、过窄和概念映射错误等问题。 对照对象是数据分析师用常规方法建立的历史队列，覆盖2024年中至2026年中提交的50项儿科骨科查询；其中43项完成人工复核并进入调整后分析，调整后每项请求的中位PPV为0.93（95% CI 0.88–0.98）、观察并集内敏感度为0.92（95% CI 0.90–0.95）、F1为0.90（95% CI 0.87–0.94）。
流水线的工作方式是先路由再分源检索：一个路由智能体判断请求涉及计费编码、病历文本还是影像，各来源的摘要智能体提取检索条件，再由概念专用的SQL智能体套用预存模板生成查询。 SQL模板是反映本院数据库结构和查询习惯的可复用查询模式，由数据分析师借助AI对话智能体分三步准备：先汇集历史查询、院内文档和表结构画像，再在专家反馈下起草，最后固定保存供后续调用。 生成的SQL先经Snowflake EXPLAIN编译检查，报错的查询连同数据库错误信息退回生成智能体修改，最多重试3次；需要文本判读的请求由提示生成智能体把纳入排除标准转成研究专用提示，逐条病历判断后按患者汇总，保留支撑证据供人工复核。
启示与展望
评估为单中心、回顾性的儿科骨科场景，50项请求来自2024年中至2026年中，检索来源限于计费编码、病历文本与影像，药物、检验和病理检索被明确留待后续工作。
历史分析师队列本身并非完美的资格参照，调整后指标把抽样不一致患者中估计的合格比例外推到全部不一致集合，因此依赖标注样本的大小与代表性，也不代表底层患者人群中的绝对敏感度；请求不完整、术语含糊、需要纵向推理或记录在可用EHR之外的临床事实都会影响生成流程。