像医生一样思考：通过探索诊断知识图谱进行会话式诊断

会话式诊断需要多轮问诊，代理需在信息不完整时通过提问细化鉴别诊断。现有方法常依赖模型参数知识或假设患者提供丰富信息，这在现实中并不成立。为此，本文提出一种基于诊断知识图谱探索的会话诊断系统，采用两步推理：(i) 从对话上下文生成诊断假设；(ii) 通过澄清性问题验证假设，循环直至确诊。研究采用改进的模拟器及 MIMIC-IV 数据，模拟真实患者模糊描述症状的场景。实验表明，该系统在诊断准确性和效率上优于强基线，医师评估也证实了模拟器的真实性及生成问题的临床效用。