DrHouse：一种利用传感器数据与专家知识结果的 LLM 赋能诊断推理系统
人工智能
2024-05-22 v1
摘要
大语言模型（LLM）有潜力变革数字医疗，近期基于 LLM 的虚拟医生所取得的进展即证明了这一点。然而，当前方法依赖于患者对症状的主观描述，导致误诊增加。认识到智能设备日常数据的价值，我们引入一种基于 LLM 的多轮问诊虚拟医生系统 DrHouse，该系统包含三项重要贡献：1）在诊断过程中利用智能设备的传感器数据，提升准确性与可靠性；2）DrHouse 利用持续更新的医学数据库（如 Up-to-Date 和 PubMed），确保模型始终处于诊断标准的前沿；3）DrHouse 引入一种新型诊断算法，同时评估潜在疾病及其可能性，促进更细致、更知情的医学评估。通过多轮交互，DrHouse 确定后续步骤，如从智能设备获取日常数据或要求实验室检测，并逐步优化其诊断。在三个公开数据集和我们自行收集的数据集上的评估表明，DrHouse 的诊断准确率比 SOTA 基线最高提升 18.8%。一项 32 名参与者的用户研究结果显示，75% 的医学专家和 91.7% 的患者愿意使用 DrHouse。
引用
@article{arxiv.2405.12541,
title = {DrHouse: An LLM-empowered Diagnostic Reasoning System through Harnessing Outcomes from Sensor Data and Expert Knowledge},
author = {Bufang Yang and Siyang Jiang and Lilin Xu and Kaiwei Liu and Hai Li and Guoliang Xing and Hongkai Chen and Xiaofan Jiang and Zhenyu Yan},
journal= {arXiv preprint arXiv:2405.12541},
year = {2024}
}