在线问诊里患者会突然换话题：PRISM把临床状态当隐变量估计，决策准确率高出最强基线22.40个百分点
核心概要
在线问诊中患者常主动补充症状或临时转向新问题，使临床状态只能被逐步揭示。PRISM把临床分诊拆成信念估计、策略优化与回复生成三步，先对可能的问诊状态维护一个后验分布，再按最大后验状态选择下一步询问。在450例真实在线问诊评估中，其结构化决策准确率比最强基线高22.40个百分点，BERTScore_F1比最强基线高5.51分。
深度剖析
在线问诊的对话轨迹不再被当作一条可预测的固定路径，而是被建模为部分可观测的决策过程：系统先估计当前问诊处于哪个临床状态，再决定下一步问什么。 此前的智能分诊系统多在模拟或线下场景中开发，患者被约束为只在医生直接询问时提供信息，交互围绕预设的临床档案和诊断目标展开。 对15个公开医学对话数据集与自有真实在线语料的对比显示，真实在线语料的平均ECoh为0.564，低于模拟在线的0.778和线下的0.694至0.865；真实在线语料的BPB在1.373至1.466之间，高于模拟在线的1.035至1.272和线下的0.761。
系统把分诊拆成信念估计、策略优化和回复生成三个模块，让临床决策与措辞生成各自独立。 信念估计模块对候选问诊状态逐一打分，用可用性掩码把已满足的状态权重置零，再取最大后验状态作为策略的输入。 策略在状态约束下先选高层询问动作、再选具体询问目标，并用组相对策略优化训练；评估使用来自某大型远程医疗平台的450段真实在线问诊对话，覆盖九类疾病、每类50例。
显式给出问诊状态本身就能提升回复质量，而不只是PRISM自身的结构带来收益。 消融实验给每个基线提供统一的oracle状态策略，只提供真实问诊状态，动作规划仍由各模型自己的思维链完成。 十个模型在ROUGE-L和BERTScore_F1上均获提升，平均分别提高10.75分和5.58分；MiMoCode提高12.97分和3.76分，MeDxAgent提高10.96分和3.18分。
启示与展望
评估使用来自某大型远程医疗平台的450段真实在线问诊对话，覆盖九类疾病、每类50例，并对照15个公开医学对话数据集；结构化决策与回复生成均在该分诊任务和标注体系内评测。
受隐私要求和合作协议限制，原始问诊记录仅限内部研究使用，外部临床专家独立评估与医学标注校准的机会有限；作为补偿，每个样本由私有部署模型独立标注三次，只保留三次完全一致的样本。