基于大语言模型的医疗急诊咨询超学习者
计算与语言
2026-01-08 v2
摘要
医疗决策支持和咨询系统对于急诊医生快速准确评估患者病情并作出诊断决策至关重要。人工智能（AI）近年来已成为医疗领域的变革性力量，大语言模型（LLM）也被应用于 various 医疗决策支持系统领域。我们研究了不同 LLM 对急诊医学中真实病例的响应情况。我们的结果显示，五大知名 LLM 在急诊诊断急性疾病方面的能力存在显著差异，准确率范围为 58% 至 65%。这一准确率显著超过了人类医生报告的准确率。我们构建了一个包含 Gemini、Llama、Grok、GPT 和 Claude 五大模型的超学习者 MEDAS（Medical Emergency Diagnostic Advising System）。该超学习者实现了更高的诊断准确率，即 70%，即便仅使用一个较为基础的元学习者。然而，其中至少一个集成 LLM 在同一超学习者中可实现 85% 的正确诊断。该超学习者通过一个能够学习每个 LLM 不同能力的元学习者来整合 LLM 集群，利用整个集群中所有 LLM 的集体能力来提升诊断准确率。我们研究的结果表明，基于元学习方法获得的聚合诊断准确率超过任何单个 LLM，表明超学习者能够发挥利用训练该模型组所用医学数据的综合知识。
引用
@article{arxiv.2511.08614,
title = {A Super-Learner with Large Language Models for Medical Emergency Advising},
author = {Sergey K. Aityan and Abdolreza Mosaddegh and Rolando Herrero and Haitham Tayyar and Jiang Han and Vikram Sawant and Qi Chen and Rishabh Jain and Aruna Senthamaraikannan and Stephen Wood and Manuel Mersini and Rita Lazzaro and Mario Balzanelli and Nicola Iacovazzo and Ciro Gargiulo Isacco},
journal= {arXiv preprint arXiv:2511.08614},
year = {2026}
}
备注
12 pages, 3 figures, 2 tables