论文信息
| 项目 | 内容 |
|---|---|
| 日期 | 2026-11-09 |
| 论文 | MedGraph: Maintaining Patient State with Graph Memory for Long-Term Medical Dialogue |
| 作者 | Donghua Zhang, Zizheng Wang, Ze Dong, Yiding Feng, Siyu Qian |
| 机构 | Harvard University / University of Michigan / Georgetown University / Johns Hopkins University |
| 链接 | arXiv:2611.08433 |
| 代码 | 未公开 |
一句话总结
先解剖五个记忆系统在长期医疗对话中的150个错误答案，归纳出三大失败根因（状态过时、张冠李戴、安全事实丢失），再针对性设计三层图记忆MedGraph，在MedMemoryBench上以GPT和Qwen两种骨干模型双双拿下最高准确率，领先最强基线约10.5个百分点。
解决什么问题
LLM医疗助手需要跨多次就诊持续跟踪病人：当前用药、过敏史、检查指标都会随时间变化。现有通用记忆系统（RAG、Mem0、MemOS、LightMem、REMem）在这类场景中错误频发。作者对五个系统的150个错误答案做了细致归因，发现三类反复出现的根因：
- 状态有效性：同一临床项目（如某药物剂量）随时间变化，Mem0会用新记录覆盖旧记录导致历史问题答不出；MemOS保留了记录却没标记哪条是当前状态。150个错误中24个属于此类。
- 主体归属：对话里常混入家属的健康信息（如病人谈论父亲的用药），108个错误的证据里混入了别人的健康事实。
- 安全优先：早期记录的过敏史可能约束后续处方，18个错误的证据缺失了答案依赖的安全事实。
核心方法
MedGraph是三层记忆架构：
- L1 原始对话层：保留全部原始对话作为源证据。
- L2 临床事实图：每个会话一次LLM抽取调用，产出带类型（用药/诊断/检验/生命体征/安全）、主体、实体、事件日期的事实节点。关键设计有三：
- 事实链：同一(实体, 主体, 类型)三元组的事实按插入顺序串成链，新旧记录间加supersedes边，旧状态不删除、保留有效期区间，历史问题与当前问题都能答；
- 主体归属：每条事实显式挂到它描述的人身上（父亲说的药挂父亲节点），检索时先按病人过滤；
- 重复提及判定：状态一致且数字未变时只更新提及计数，不新建节点。
- L3 病人档案：检索时从L2渲染，无条件伴随每个问题注入，包含全部过敏/禁忌/相互作用等安全事实（永不删改），加上诊断与用药链尾及关键偏好。
- 检索：BM25+稠密向量双路召回病人自己的链（链为检索单元），RRF融合取top-8；每条链提供"命中事实+问题时刻适用记录+被取代记录"三元组；问题含明确年份时触发日期通道；附原文片段，reader单次LLM调用作答。
形式化：Mt=𝒰(Mt-1}, st)，Et,q=ℛ(Mt, q)，答案由固定reader生成，控制变量只看记忆构建与检索的增益。
实验结果
- 基准：MedMemoryBench，967个问题，每段历史约100个病人会话+200个干扰会话，六种题型（EEM/MQ/TLA/SUA/IG/MCD）。
- 主结果：GPT骨干（gpt-6-luna构建+gpt-5.1回答）和Qwen骨干（Qwen3-30B-A3B全包）下MedGraph总体准确率均第一，分别领先最强基线10.5和10.4个百分点，增益最大的是时间定位（TLA）和推理生成（IG）题型。
- 抗历史增长：历史不断变长的十个检查点上MedGraph全程领先；重放早期问题后，Embedding RAG/Mem0/MemOS显著掉分，MedGraph降幅不显著。
- 三大挑战逐项验证：204个状态变化问题上准确率最高；11,039条他人会话事实中仅9条归属错误，证据几乎不混入他人事实；89个安全依赖问题上基线常缺安全事实，MedGraph几乎总能供上。
- 消融：仅用BM25对抽取事实排序（无链检索/档案/原文窗口）就能拿到相对raw text增益的一半以上，说明事实构建贡献过半；检索侧增益集中在TLA和IG。
- 成本：每会话一次抽取调用，构建输入token约为Mem0/REMem的一半，回答仅一检一答，是准确率-成本Pareto前沿上唯一的LLM构建记忆。
深层洞察
这篇论文的方法论值得反复品味：先做错误解剖，再做系统设计。三大失败根因不是拍脑袋想的，而是从150个错误答案的证据审查中统计出来的，每一个设计点（链式有效期、主体过滤、无条件安全档案）都精确对应一类根因，最后再用消融逐一验证。这种"归因驱动设计"的科研路径比堆模块的工作扎实得多。
另一个深层启示是：结构化事实本身就是最好的检索单元。一条"某人某天某药某状态"的短事实自带主体和日期，连BM25这种朴素排序都能直接命中，根本不需要花哨的检索算法。增益的一半以上来自"存对了"，而不是"找得巧"。这与GraphRAG等用复杂图遍历换增益的路线形成鲜明对比。
局限性
- 只在一个中文基准（MedMemoryBench）上评估，跨语言、跨临床场景未验证。
- 事实抽取依赖LLM，抽取器质量决定记忆上限。
- 因果边只在会话内连接，跨会话多跳推理是未来工作。
- 链按记录顺序而非事件顺序排列，晚报告的早期事件或计划性变更会成为链尾，可能误导当前状态判断。
- 安全事实永不删除：后来被排除的过敏、已停药的警告会一直留在档案里。
- 四种题型由LLM裁判评分，存在裁判偏差风险。
工程实践启示
- 带时间戳的事实链 + supersedes边是处理"随时间变化的状态"的通用模式，任何需要历史回溯的Agent记忆（订单状态、工单、配置变更）都可以借鉴，比覆盖式更新健壮得多。
- 主体归属必须显式存储。多用户/多实体混叙的场景（家庭群聊、客服代述），检索前先按主体过滤能消掉一大类张冠李戴错误。
- 安全关键信息应"无条件注入"而非依赖相关性检索——过敏史、权限边界、红线规则不谈相关性，每次都带上，代价小收益大。
- 别急着上复杂检索：先把记忆存成"一条事实一句话+日期+主体+状态"的规范形态，朴素BM25就能吃到大半增益。