摘要
诊断预测与临床推理是医疗应用的关键任务。尽管大语言模型在常识推理方面表现优异，但受限于领域知识不足，其在诊断推理上仍面临挑战。现有方法多依赖内部知识或静态知识库，导致适应性差且忽视与标准临床推理轨迹的对齐。为此，本文提出 MultiDx，一种两阶段诊断推理框架。该框架首先利用网络搜索、SOAP 格式病例及临床数据库等多源知识生成疑似诊断与推理路径；随后通过匹配、投票及鉴别诊断整合多视角证据以生成最终预测。在两个公共基准上的实验证实了该方法的有效性。
AI 推荐理由
论文核心提出诊断推理框架，解决领域知识受限下的逻辑推理与临床路径对齐问题。
研究机构
西安交通大学
City University of Hong Kong
香港城市大学
腾讯 Jarvis 实验室
西湖大学
论文信息