Dieses Studium präsentiert einen innovativen Ansatz zur konversationsbasierten Krankheitsdiagnose, der externe Planer mit Großen Sprachmodellen kombiniert.
Der Ansatz umfasst zwei Planer, die jeweils unterschiedliche Aufgaben übernehmen:
Der Krankheitsscreening-Planer sammelt Informationen über die Symptome des Patienten, um mögliche Diagnosen zu identifizieren. Dazu verwendet er Reinforcement Learning, um eine effektive Fragestrategie zu entwickeln.
Der differenzielle Diagnose-Planer führt dann gezielte Nachfragen durch, um die im ersten Schritt identifizierten Krankheiten zu bestätigen oder auszuschließen. Dafür nutzt er medizinische Fachliteratur, die in strukturierte Entscheidungsprozesse übersetzt wird.
Die Evaluation auf Basis des MIMIC-IV Datensatzes zeigt, dass der Ansatz die Leistung rein auf Großen Sprachmodellen basierender Systeme übertrifft. Die Ergebnisse deuten darauf hin, dass der vorgestellte Ansatz das Potenzial hat, die Genauigkeit und Zugänglichkeit medizinischer Diagnosen zu verbessern.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Zhoujian Sun... lúc arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.04292.pdfYêu cầu sâu hơn