卫生经济模型的概念化改由智能体AI起草：两例结构对照NICE申报，自动化运行约1小时

卫生经济模型的概念化阶段可以由一个智能体式生成式AI框架承担，产出疾病概念图与模型结构图两类结果。 传统概念化由人工完成，需要卫生经济学、数据分析与临床多学科专长，耗时且资源密集，概念化常被低估。 两例概念验证分别覆盖数据丰富的HR阳性、HER2阴性晚期乳腺癌与数据稀缺的hATTR-PN，输出经两名分别有10–12年和5–6年经验的建模者与两名临床医生对照行业标准评审，并与已发表经济评价做外部比较。

框架把推理、检索与生成串成一条可审计的多步流程，由智能体自主决定何时补充信息。 单次大模型提问无法覆盖真实案例的细节，因此改为分解任务、按需检索并迭代部分解。 推理用思维链加自一致性提示，同一提示独立运行5次后由另一个大模型按多数投票保留反复出现的状态与转移；检索用GraphRAG，把指南与试验资料组织成带节点和边的图，知识图谱结构在用于检索前经人工专家审阅批准。

在数据稀缺的罕见病案例中，框架复现了以PND分期为主线的结构，但没有纳入按NT-proBNP阈值对每个分期再分层的设计。 NICE高度专业化技术评估HST10的公司模型把六个PND分期各按NT-proBNP阈值分为两层，共12个存活健康状态。 该差异被归因于检索语料来自已发表文献与临床指南而非患者个体数据，且专家评审认为在超罕见病中把有限人群分到12个状态会降低各层转移概率估计的稳定性。

报告面向卫生经济学与卫生技术评估方向的研究者和工程师，以及关心生成式AI在证据生成中角色的读者。已展示的范围是两个概念验证案例：数据丰富的HR阳性、HER2阴性晚期乳腺癌，与数据稀缺的遗传性转甲状腺素蛋白淀粉样多发性神经病，输出为疾病概念图与模型结构图，并对照已发表经济评价做结构化比较。作者提出后续应开展盲法或双盲专家评审并采用结构化方案，并测试框架的泛化性与对决策的影响。

作者指出输出对概念验证而言令人满意，但不应视为最终结果，尚未开展德尔菲小组与结构化专家征询式的完整临床评审。外部验证未设盲，评审者知道输出由生成式AI产生，也知晓对照的已发表模型，评审预期可能影响判断。检索层面虽已避免让语料包含既有模型，但不能排除大模型预训练阶段已接触过这类数据。作者还指出，要复现心脏生物标志物分层，智能体需要直接访问患者个体数据或被明确提示预先推导的分层方案。