临床决策支持中微调 vs RAG：何时各有胜出

在医疗领域，"应该用 RAG 还是微调？"这个问题问错了方向。该问的是：对于这项具体的临床任务，哪种方案给出的结果更安全、更准确？各自又会带来什么样的 HIPAA 影响？

答案因任务而异。有些临床流程必须用检索增强生成，因为底层数据每周都在变；有些则必须用微调模型，因为输出的一致性和格式合规性没有商量余地。效果最好的临床 AI 系统里，很多是两者都用。

本指南拆解两种方案各自的胜出场景，在 8 项医疗任务上做横向对比，讲清混合模式的做法，并给出一套适用于任何新建临床 AI 部署的决策框架。

两种方案的工作原理（快速回顾）

检索增强生成（RAG）

RAG 在生成之前加了一步检索。系统先在知识库（临床指南、药物数据库、文献）里搜索，取回相关文档，作为上下文喂给模型。模型再基于取回的内容生成回答。

**优势：**能拿到当前信息，来源可引用可核查，数据变化时无需重新训练。

**劣势：**速度较慢（检索加生成），效果依赖检索质量，需要维护文档库，基础设施更复杂。

微调

微调通过在领域样本上训练来修改模型权重，知识被固化进模型本身。推理时模型直接从内部知识生成，不做外部检索。

**优势：**推理快（只有生成一步），输出格式稳定，领域词汇嵌入权重之中，推理架构更简单。

**劣势：**更新知识必须重新训练，可能自信地产生幻觉，训练数据的整理需要投入。

RAG 在医疗领域的胜出场景

当底层信息变动频繁、且具体事实的准确性比输出格式更要紧时，RAG 是正确的选择。

1. 药物相互作用检查

药理数据一直在更新。新药获批、黑框警告、新发现的相互作用、处方集调整，每个月都在发生。半年前训练的微调模型不知道上周刚获批的药。

**RAG 做法：**查询时从当前的药物数据库（DrugBank、FDA 标签数据库、院内处方集）中检索，模型基于最新数据生成回答。

**微调为什么在这里失效：**模型得每月重训才能保持最新。漏掉一条相互作用更新就可能伤害患者，这个风险水平无法接受。

2. 临床实践指南

AHA、ACS、ACOG 等机构发布的指南是有版本的文档，更新周期从每季度到每年不等。2025 版 AHA/ACC 高血压指南与它所取代的 2017 版在若干实质问题上存在出入。

**RAG 做法：**为每份指南的当前版本建索引。临床医生询问某种病症的处理方式时，检索相关章节，生成回答并引用具体的指南建议。

**微调为什么在这里失效：**指南一更新就得重训。更麻烦的是，模型可能把过时建议和现行建议混在一起，临床医生无从判断它用的是哪个版本。

3. 文献检索与证据获取

临床医生需要看到当前的研究：PubMed、UpToDate、Cochrane Reviews。医学文献每周新增数千篇论文。

**RAG 做法：**为经过筛选的医学文献子集建索引，检索相关摘要和全文片段，生成带引用的综述。

**微调为什么在这里失效：**没有哪种训练节奏跟得上发表量。持续更新索引的 RAG 是唯一可行的路子。

4. 处方集与保险核查

医院处方集和保险覆盖规则变动频繁，事先授权的要求每季度都在调整。要给出有用的回答，模型需要当前数据。

**RAG 做法：**查询时从当前的处方集数据库和支付方政策文档中检索。

微调在医疗领域的胜出场景

当输出格式的一致性、领域词汇和分类准确度比获取变动中的事实更要紧时，微调是正确的选择。

1. 临床病历生成

SOAP 病历、入院记录（H&P）、操作记录，这些都遵循多年不变的既定格式。词汇是领域专用的，但很稳定。关键要求是一致性：每份病历都应遵循同样的结构、同样的术语惯例，达到同样的文书标准。

**微调做法：**用院内 400 到 600 份高质量临床病历样本训练。模型学会该机构特有的格式、词汇和文书写法。

**RAG 为什么在这里失效：**这里没有东西可检索。模型要做的是按学到的格式生成结构化文本，加一步检索只会增加延迟，对质量没有帮助。

2. 医学编码（ICD-10、CPT）

医学编码是在一套庞大但相对稳定的码表上做模式匹配。ICD-10-CM 约有 7.2 万个编码，CPT 约有 1 万个。编码每年更新一次，不是每天。任务本身是分类：给定临床文书，指派正确的编码。

**微调做法：**用数千组（文书，编码）配对训练，模型学会临床语言与计费编码之间的映射关系。

**RAG 为什么在这里失效：**你可以检索编码的描述，但难点在于判断哪些编码适用于某个具体的临床场景。这是模式识别任务，不是检索任务。

3. 患者分诊分类

急诊科分诊需要一致而迅速的分类。给定一组症状和生命体征，指派 ESI（急诊严重度指数）等级。这套逻辑稳定、基于规则，且需要在 500ms 内跑完。

**微调做法：**用带有已验证 ESI 等级的历史分诊数据训练，模型学会稳定一致地分类。

**RAG 为什么在这里失效：**延迟。分诊决策需要近乎即时。加一步检索（200 到 800ms）会让响应时间翻倍。分类任务从检索中得不到好处，模型需要的是内化的模式识别能力。

4. 出院摘要生成

出院摘要遵循机构模板。内容取自患者的住院过程，但生成任务本身受格式约束。结构一致、详略得当、医学术语规范，这是判定成功的标准。

**微调做法：**用符合机构质量标准的去标识化出院摘要训练。

**RAG 为什么在这里失效：**生成格式是学出来的行为。检索这一步得去搜患者本人的记录（一项患者匹配任务，HIPAA 影响不小），徒增复杂度，摘要格式也不会更好。

正面对比：8 项医疗任务

**规律：**如果任务是用稳定的领域知识以一致的格式生成文本，就微调。如果任务需要拿到当前、持续变动的信息，并给出可核查的来源，就用 RAG。

混合模式：两者兼得

效果最好的临床 AI 系统会把两种方案结合起来。微调模型负责生成（格式、词汇、结构），RAG 则对照当前指南做事实核查。

示例：出院指导

1. 微调模型生成出院指导文档。它知道格式、合适的阅读难度和机构模板，会起草用药说明、活动限制、随访安排和预警症状。

2. RAG 层核查具体主张，逐条对照当前数据：

   • 用药剂量是否符合现行指南？
   • 药物相互作用是否已考虑在内？
   • 活动限制是否与当前的术后方案一致？
   • 随访间隔是否符合当前的诊疗标准？

3. 系统协调两者之间的任何分歧。如果微调模型给出的剂量与当前处方集冲突，系统会把它标记出来，交临床医生复核。

架构

Patient Data
     │
     ▼
┌──────────────────────┐
│ Fine-Tuned Model      │ ← Generates structured output
│ (Discharge adapter)   │    Format, vocabulary, template
└──────────┬───────────┘
           │
           ▼
    Draft Document
           │
           ▼
┌──────────────────────┐
│ RAG Fact-Checker      │ ← Validates facts against
│                       │    current guidelines, formulary,
│ Sources:              │    drug database
│ - Drug database       │
│ - Clinical guidelines │
│ - Formulary           │
└──────────┬───────────┘
           │
           ▼
┌──────────────────────┐
│ Reconciliation Layer  │ ← Flags discrepancies
│                       │    for clinician review
└──────────┬───────────┘
           │
           ▼
  Final Document + Flags

这套模式让你同时拿到微调的速度与一致性，以及 RAG 带来的准确性保障。微调模型运行需要 200 到 400ms，RAG 事实核查再加 500 到 1000ms，合计不到 1.5 秒，对出院规划这类非紧急流程是可以接受的。

HIPAA 影响：一个关键差异

很多团队会在这里漏掉一项重要的架构决策。

RAG 的 HIPAA 考量

RAG 需要一个文档库：装着知识库内容的向量数据库或搜索索引。如果知识库里含有源自患者记录的临床内容，就可能含有 PHI。即便是去标识化的临床指南，一旦与患者查询结合，也可能变成与 PHI 相关联的内容。

具体的 HIPAA 影响：

• **向量数据库在合规范围之内。**它必须满足 HIPAA 安全规则的全部要求：静态与传输中的加密、访问控制、审计日志。
• **嵌入向量可能编码了 PHI。**如果你对含有患者信息的临床文档做了嵌入，嵌入向量本身可能被认定为 PHI。这方面尚无确立的法律先例，但多数合规官采取的保守解释是按 PHI 对待。
• **基础设施复杂度上升。**RAG 会把一个向量数据库、一个嵌入模型和一条检索管线纳入你的 HIPAA 范围，每个组件都需要单独做安全评估。
• **查询日志可能含有 PHI。**如果临床医生这样查询 RAG 系统："患者 John Smith 的二甲双胍推荐剂量是多少？"，这条查询日志就含有 PHI。

微调的 HIPAA 考量

微调的 HIPAA 情况更简单：

• **训练数据可以去标识化。**训练前先跑一条稳健的去标识化管线。完成去标识化之后，训练数据不属于 PHI，训练出的模型权重也不属于 PHI。
• **推理是自包含的。**没有外部数据存储需要防护。模型跑在医院自己的硬件上，处理输入、生成输出。HIPAA 范围就是推理服务器和应用层。
• **纳入范围的组件更少。**没有向量数据库，没有嵌入模型，没有检索管线。基础设施更少意味着攻击面更小，合规文档也更简单。

**结论：**微调降低了 HIPAA 基础设施的复杂度，RAG 则增加了需要防护和审计的组件。RAG 依然有它合理的用武之地，只是选它的时候要有意识，清楚这份合规成本。

延迟对比：对临床流程的影响

在临床场景里，延迟很关键。要 5 秒才响应的系统会被无视；1 秒之内响应的系统会被融进日常流程。

延迟最要紧的场合

• **急诊分诊：**要求 500ms 以内。只用微调。
• **床旁决策支持：**最好在 1 秒以内。用微调，或用带缓存检索的混合模式。
• **文书辅助：**2 秒以内可接受。任何方案都行。
• **出院规划：**5 秒以内可接受。混合模式最合适。
• **研究类查询：**10 秒以内可接受。用做全面检索的 RAG。

方案要与临床场景匹配。300ms 的微调模型够用的地方，别上 2 秒的 RAG 管线。

决策框架

任何新的临床 AI 任务都可以走这套流程：

第 1 步：底层数据的变动频率高于每季度一次吗？

• 是 → RAG（或混合方案中的 RAG 部分）
• 否 → 进入第 2 步

第 2 步：输出格式的一致性是关键要求吗？

• 是 → 微调（或混合方案中的微调部分）
• 否 → 进入第 3 步

第 3 步：需要亚秒级延迟吗？

• 是 → 只用微调
• 否 → 进入第 4 步

第 4 步：任务需要可核查的来源引用吗？

• 是 → RAG
• 否 → 微调

第 5 步：任务同时涉及格式受约束的生成和事实核查吗？

• 是 → 混合模式
• 否 → 用第 1 到 4 步中得分最高的那个

大多数临床 AI 部署最后会用上 2 到 3 个微调适配器，外加 1 到 2 条 RAG 管线，风险最高的流程则采用混合模式。

医疗规模下的成本对比

以一家中型医院（200 到 400 张床位）在 5 个科室部署 AI 为例：

微调成本模型

RAG 成本模型

混合成本模型

单用微调比单用 RAG 便宜 60% 到 70%。混合方案比全套 RAG 略便宜，因为只有确实需要 RAG 的任务才动用 RAG 基础设施，每次查询都走一遍就没有必要了。

为你的机构做出选择

不要因为 RAG 时髦就默认选它，也不要因为微调更简单就默认选它。用上面的决策框架，逐项临床任务独立评估。

先从影响最大的临床流程入手，通常是临床文书或编码辅助，部署合适的方案，测量结果。然后再扩展到其他流程，根据每项任务的具体要求选择 RAG 或微调。

在临床 AI 上拿到最好结果的机构，都是给每项任务挑最合适的方案，并搭建一套两种方案都支持得住的架构。

延伸阅读

• 微调 vs RAG：何时使用哪种方案：微调与 RAG 的通用对比，含跨行业的成本与性能分析。
• 微调 vs RAG：向客户解释两者的差异：如何向非技术的利益相关方和医疗管理者说明 RAG 与微调之间的取舍。
• 面向临床部署的医疗 AI 微调：端到端技术指南，讲解如何用符合 HIPAA 的数据管线构建临床 AI 模型。