DiaLLMs：用于临床检验推荐和诊断预测的电子健康记录增强临床对话系统
人工智能
2025-06-26 v1
摘要
大型语言模型（LLMs）的最新进展已在医疗咨询领域取得了显著进步。然而，现有的医学LLMs忽视了电子健康记录（EHR）的重要作用，并且主要关注诊断推荐，限制了其临床适用性。我们提出了DiaLLM，这是第一个将异构EHR数据整合到临床基础对话中的医学LLM，能够实现临床检验推荐、结果解释和诊断预测，以更好地契合真实世界的医疗实践。为了从EHR构建临床基础对话，我们设计了一种临床检验参考（CTR）策略，将每个临床代码映射到其对应的描述，并将检验结果分类为“正常”或“异常”。此外，DiaLLM采用强化学习框架进行证据获取和自动诊断。为了处理大规模动作空间，我们引入了一种拒绝采样策略以减少冗余并提高探索效率。此外，设计了确认奖励和类别敏感的诊断奖励以指导准确的诊断预测。大量实验结果表明，DiaLLM在临床检验推荐和诊断预测方面优于基线方法。
引用
@article{arxiv.2506.20059,
title = {DiaLLMs: EHR Enhanced Clinical Conversational System for Clinical Test Recommendation and Diagnosis Prediction},
author = {Weijieying Ren and Tianxiang Zhao and Lei Wang and Tianchun Wang and Vasant Honavar},
journal= {arXiv preprint arXiv:2506.20059},
year = {2025}
}