论文深读：Fine-Tuning, Retrieval-Augmented Generation, and Hybrid Adaptation of Language Models for Clinical Decision-Making in Health Care: Systematic Review.
系统评价微调/RAG/混合策略在临床决策支持中的表现，高度相关且方法较规范。
一句话结论
系统综述比较微调、RAG与混合后训练策略在临床决策支持中的效果，纳入35项研究。报告微调适合窄分类，RAG提升指南依从性但收益不一致，混合在复杂多模态任务中总体最强；仅1项低偏倚风险，证据基础薄弱。
问题定义与已有方法缺口
任务为临床诊断、分诊、风险分层等语言模型应用。缺口在于三类后训练策略的比较有效性及策略—任务匹配缺乏系统证据。
创新点与方法主线
按PRISMA 2020检索筛选，用PROBAST+AI评估偏倚，将研究按微调、RAG、混合分组并描述性综合，建立策略—任务对应框架。
Backbone 与具体改造
传统backbone不适用。基于系统综述设计：检索PubMed/MEDLINE、Scopus、Web of Science（2018年1月至2026年5月），纳入经后训练适配的transformer模型研究。检索式与筛选细节仅凭摘要无法确认。
数据集与数据形成过程
“数据”为35项纳入研究，来自1890条记录，发表于2024–2026年。策略分布：RAG 17/35、微调7/35、混合11/35。各原始研究的样本量、标注协议与划分方式仅凭摘要无法确认。
评测设计与指标含义
跨研究训练预算、模型规模是否一致未报告，公平性无法确认。指标含AUROC、准确率、指南依从性；未报告置信区间或统计检验，数值差异是否超随机波动无法判断。
关键结果与可信度
微调癌症检测AUROC最高0.912，抑郁预测AUC 0.892；RAG使指南决策从71.1%升至92.1%、78.9%升至94.7%；混合系统外部验证准确率超90%。数值来自不同数据集与基线，不能作横向排名。偏倚评估：25项高风险、9项不明确、仅1项低风险。
局限性与结论边界
作者承认证据以回顾性或基准研究为主，需前瞻验证与标准化安全报告。可见局限：仅1项低偏倚研究，跨研究条件不统一，混合优势可能受任务复杂度或模型规模混杂。
对后续研究的启发与迁移方案
由本文得到的启发：①固定backbone与数据预算，三臂比较微调、RAG、混合，观察AUROC、校准与不安全输出率；②将校准与拒答阈值纳入Agent评测，记录ECE与人工审核触发率；③用PROBAST+AI类清单约束医疗Agent研究设计；④对混合优势做消解混杂检验，比较混合与单一组件的外部验证准确率。