面向安全的 AI 辅助鉴别诊断假设演绎框架

针对当前大语言模型在诊断任务中缺乏安全机制的问题，本文提出 AegisDx，一个面向安全的假设演绎临床推理框架。该框架通过协调专用 LLM 组件、结构化输出及证据检索接口，生成广泛的鉴别诊断，强制筛查高危漏诊情况，并依据医学证据验证推理过程。在多个数据集上的评估显示，AegisDx 在 Top-3 诊断准确率及高危病症识别率上均显著优于独立 LLM 基线，并在真实急诊场景的医师评估中提升了综合安全评分，证明了构建安全导向推理框架的重要性。