中医妇科有了家用分诊模型：MAGR-TCM在30例安全测试中把急症与常规病例全部判对
核心概要
面向中医妇科的家庭健康咨询与分诊，MAGR-TCM把741份临床病案整理成含10231个实体、32051条关系的知识图谱，再让四个分工不同的智能体沿“病—证—治则—方—药”链条逐步推理。在30例独立测试病案上，它的RAGAS忠实度得分为0.821，高于GraphRAG的0.766、LightRAG的0.651和Naive RAG的0.590；在含10例急症与20例常规病例的安全测试集中，红旗机制全部正确拦截与放行，敏感度和特异度均为1.000。这些结果来自回顾性、专家标注的病案评估，尚未在真实家庭用户中做前瞻验证。
深度剖析
家庭场景下的中医妇科咨询现在可以沿一条可追溯的推理链给出建议，而不是只给一段生成文本。系统把用户的口语描述映射到知识图谱中的症状节点，再逐跳走到证型、治则、方剂和药物，使每条建议都能回指病案证据。 此前的通用大模型直接作答容易产生缺乏依据的医学内容，而基于向量相似度的Naive RAG、偏重全局摘要的GraphRAG和强调轻量检索的LightRAG，都难以稳定复现中医“病—证—治则—方—药”的完整推导。 在30例与训练集不重叠的测试病案上，MAGR-TCM的RAGAS忠实度为0.821，GraphRAG为0.766，LightRAG为0.651，Naive RAG为0.590；其忠实度置信区间下界0.814高于三个基线的上界。
系统把一次咨询拆成四个智能体依次执行：问题分析智能体做隐私过滤、急症分级、错字纠正和实体抽取，路由分诊智能体决定走急症阻断、联网检索还是图谱检索，图谱推理智能体在图上做四跳搜索，评估优化智能体给回答打分并在不达标时触发双模型改写。 单一模型一次性生成时，长上下文和分散的任务焦点容易带来决策错误；把任务拆给专职智能体后，每一步都有明确的输入和可核查的输出。 专家双盲评分中，MAGR-TCM的证型辨识准确率为0.898、理法方药一致性为0.884、临床实用性为0.889，均高于LightRAG的0.734、0.700、0.732；30例配对比较经Holm-Bonferroni校正后均显著。
安全分诊被做成一条独立的硬性通路：问题分析智能体先扫描“休克”“大出血”“剧烈疼痛”等红旗词，命中即终止后续推理并输出线下急诊指引，不再进入方药推荐。 三个基线模型没有专门的急症检测模块，急症病例会被当作常规中医咨询处理，或依赖底层模型不确定的拒答行为。 在含10例急症和20例常规病例的30例安全压力测试集中，MAGR-TCM的敏感度、特异度和假阴性率分别为1.000、1.000和0.000。
启示与展望
评估在专家标注的回顾性病案上进行：30例常规测试病案、30例安全压力测试病案，以及741份用于建图的临床病案，均来自“古今医案云平台”。系统面向家庭用户的中医妇科咨询与初步分诊，四跳图谱推理在30例测试集上覆盖全部五类实体，五跳不再增加覆盖。
741份病案的规模可能限制模型对罕见证型或非典型症状组合的泛化；知识图谱以文本为主，尚未整合超声或血清学等现代医学指标；模型基于共识逻辑与标准教材训练，未必覆盖不同中医流派的个性化加减。所有指标均为回顾性评估下的上界估计，系统尚未在真实家庭用户中做前瞻验证，红旗机制也尚未对照急诊严重指数等临床分诊标准正式验证。