Clinical AI Knowledge Graph Evidence Grounding Rare Disease Hallucination Mitigation
摘要

前沿大模型虽能生成准确的临床输出，但常伪造引用，形成“来源差距”。测试显示，未经提示模型无法提供相关 PubMed ID，显式要求下最佳模型仅 15.3% 相关。本文提出 HEG-TKG 系统，利用分层证据锚定的时序知识图谱，整合 4512 条文献与疾病轨迹里程碑。实验表明，该系统在保持临床特征覆盖的同时实现 100% 证据可验证性，显著优于传统 RAG 方法，且具备高错误检测率与数据隐私保护能力。

AI 推荐理由

论文针对罕见病推理中的引用伪造问题，提出基于时序知识图谱的证据 grounding 系统，核心提升推理可信度。

研究机构
Department of Mathematics and Computer Science, University of Southern Denmark
论文信息
作者 Md Shamim Ahmed, Maja Dusanic, Moritz Nikolai Kirschner, Elisabeth Nyoungui, Jana Zschüntzsch et al.
发布日期 2026-04-18
arXiv ID 2604.17114
相关性评分 9/10 (高度相关)
arXiv 页面 下载 PDF