急诊问一句“你怎么来的”就够：PREVIA 用大模型集成预测一个月后创伤后应激风险
核心概要
急诊科常因时间紧张而难以开展创伤后应激障碍筛查。PREVIA 把患者在急诊回答“你为什么来”的录音转写文本，交给由 Llama、Mistral、DeepSeek 分层组成的临床知情大模型集成，先按四个临床维度评估，再汇总为结构化摘要，最后结合年龄、性别与创伤类型给出 0 到 100 的风险分和简短解释。在纽约两家一级创伤中心 145 名创伤幸存者中，该集成对一个月后 PTSD 诊断的 AUROC 为 78.49%±5.75%、敏感度 95.4%±3.99%；在随机抽取的 30 份叙述上与一位急诊 PTSD 专家比较，AUROC 为 84.39% 对 83.86%。
深度剖析
急诊科的一次常规问诊回答，现在可以被用来预测患者一个月后是否出现创伤后应激障碍，而不必额外发放问卷或占用临床医生时间。 此前急诊常用的筛查依赖 PDEQ、ISRC 简版和 PAS 等问卷，需要额外时间；而美国约 28% 的急诊科常规筛查 PTSD，其中仅三分之二使用经过验证的问卷。 在纽约两家一级创伤中心、创伤后 24 小时内入组的 145 名幸存者中，PREVIA 对一个月后 CAPS-5 诊断的 AUROC 为 78.49%±5.75%，敏感度 95.4%±3.99%，精确率 46.76%±8.66%。
预测由三层流水线完成：第一层让两个模型分别从四个临床维度读同一段叙述，第二层由第三个模型把八份评估汇总成结构化摘要，第三层再结合人口学信息和人群患病率给出最终风险分与解释。 单次零样本提示、单一模型的做法在跨临床场景时表现波动较大，而把任务拆成定义明确的子任务并合并多个模型的输出，可以降低对单一模型的依赖。 最佳配置在第一层用 Llama 与 Mistral、第二层用 DeepSeek、第三层用 Mistral；在 30 份随机抽取的叙述上，该配置的 AUROC 为 84.39%、敏感度 100%、精确率 50.00%，同一位有 24 年以上急诊与 PTSD 研究经验的临床医生为 AUROC 83.86%、敏感度 88.89%、精确率 50.00%。
启示与展望
已展示的范围是纽约两家一级创伤中心、创伤后 24 小时内入组、英语叙述的 145 名成年幸存者，结局为一个月时的 CAPS-5 诊断；与临床医生的对照只覆盖一位专家和 30 份随机抽取的叙述。
作者指出这些是初步发现，需要在更大、独立队列中验证；与临床医生的比较只涉及一位专家，未来需要多临床医生、不同经验水平和不同场景的研究；框架目前仅限英语人群，且自托管开源模型需要高性能计算资源。