马鑫,王芳,张峰,等. 慢性病智能医疗问答系统构建与评价：一种基于GraphRAG与MoE的混合建模方法 [J]. 情报学报, 2026, 45 (3): 447-462.
对于慢性病患者而言，智能医疗问答系统往往被视为提供个性化健康指导、辅助长期疾病管理的重要工具。然而，在现实应用场景中，我们经常发现一个矛盾：现有的通用或医疗垂直大模型虽然能够生成看似专业的回答，却难以应对慢性病管理所要求的长期性、情境依赖性和语义复杂性——系统常常面临知识调度粒度粗、对用户隐性需求感知弱、以及多轮对话中响应一致性差等问题。那么，如何构建一个既能动态整合多源异构医学知识，又能协同多种大模型优势、保证输出精准可靠的问答系统？带着这些问题，本研究提出了一种融合图检索增强生成（graph retrieval-augmented generation, GraphRAG）与混合专家网络（mixture of experts, MoE）的混合建模方法。研究遵循“结构化知识建模—混合驱动检索—大模型协同应答”三阶段流程，首先构建覆盖疾病演化、生活方式干预和长期管理要素的多源知识图谱，并设计关键词匹配、语义向量召回与多子图提示融合的三通道检索机制，实现细粒度的动态知识调度；进而通过MoE动态门控智能体，对9种开源大模型进行指令级协同调用，增强语义理解与生成精度；最后引入常识校验、完整性检查和格式化规则，确保输出内容的准确性与可读性。研究自建了覆盖118种慢性病及3类管理任务的测试集CdMedQA，并通过客观指标和主观满意度对比验证系统性能。结果表明，本系统在准确性、清晰度、个性化及情境适应性等方面均显著优于多种通用与医疗垂直大模型基线。该研究不仅为慢性病智能化管理提供了可行的技术方案，也为多源知识驱动下的人机交互优化与生成内容可信性提升贡献了理论依据与实践参考。
