MedBeads：一种面向智能体、不可篡改的数据基底，用于构建可信医疗AI

背景：截至2026年，大语言模型（LLMs）已具备专家级医学知识，但作为自主“临床智能体”部署仍受限。现有电子病历（EMR）及FHIR等标准面向人类设计，导致“上下文错配”：AI智能体接收碎片化数据，需依赖概率推理（如RAG）重建病史，易产生幻觉且难以审计。方法：我们提出MedBeads——一种面向智能体的原生数据基础设施，将临床事件表示为不可变的“珠子”（Beads），构成Merkle有向无环图（DAG）节点，并通过密码学方式引用因果前驱。该“一次写入、多次读取”架构使篡改在数学上可检测。我们实现了包含Go核心引擎、Python中间件（用于LLM集成）和React可视化界面的原型系统。结果：基于合成数据成功验证工作流；FHIR到DAG的转换将扁平资源重构为因果图；广度优先搜索（BFS）上下文检索算法以O(V+E)复杂度遍历相关子图，支持实时决策；篡改证据由设计保障；可视化通过显式因果链提升临床理解。结论：MedBeads通过从概率检索转向确定性图遍历、从可变记录转向不可变链，解决了“上下文错配”，为“可信医疗AI”提供基础。其结构化Bead格式构成高效、面向AI的“原生语言”。项目已开源以推动面向智能体的数据标准发展。