摘要
针对罕见病诊断中扩展模型规模导致的部署与维护难题，本文提出 LiteOdyssey，一种轻量级诊断框架。该方法不依赖微调或多智能体集成，而是通过人机协作开发的诊断策略引导单一语言模型扩展推理链，并动态调用公开生物医学工具。在包含大量超罕见病例的两个基准测试中，LiteOdyssey 取得了最先进的性能（Recall@1 达 59.3%），显著优于无工具基线模型。该研究展示了构建准确、易部署且透明的医疗 AI 系统的新路径。
AI 推荐理由
论文核心在于通过扩展单智能体的推理链，结合诊断策略实现罕见病诊断，未依赖多智能体或大规模微调。
研究机构
Department of Epidemiology, Vanderbilt University, Nashville, TN, USA
Department of Pediatrics, Vanderbilt University Medical Center, Nashville, TN, USA
Department of Biostatistics, Vanderbilt University Medical Center, Nashville, TN, USA
School of Information, University of South Florida, Tampa, FL, USA
Department of Biomedical Informatics, Vanderbilt University Medical Center, Nashville, TN, USA
论文信息