EpiGraph：面向真实世界证据密集型癫痫推理的通用模型构建
人工智能
2026-05-14 v2
摘要
癫痫的诊断和治疗需要跨异构临床知识进行证据密集型推理，包括生物信号模式、遗传机制、药物基因组学、治疗策略和患者预后。在本工作中，我们提出了 EpiGraph，一个用于评估知识增强临床推理的大规模癫痫知识图谱和基准。EpiGraph 将 48,166 篇同行评审论文和七种临床资源整合为一个包含 24,324 个实体和跨越五个临床层的 32,009 个证据支撑三元组的异构图。基于此图谱，EpiBench 定义了五项临床驱动任务，涵盖临床决策、脑电图（EEG）报告生成、药物基因组学精准医疗、治疗推荐和深度研究规划。我们在标准和 Graph-RAG 设置下评估了六个 LLM。结果表明，整合 EpiGraph 在所有任务中均持续提升性能，其中药物基因组学推理的提升最大（+30--41%）。我们的发现表明，结构化的癫痫知识显著增强了证据支撑的临床推理，并为评估真实世界神经病学场景下知识增强的 LLM 提供了实用的基准框架。我们的代码可在以下地址获取：https://github.com/LabRAI/EEG-KG。
引用
@article{arxiv.2605.09505,
title = {EpiGraph: Building Generalists for Evidence-Intensive Epilepsy Reasoning in the Wild},
author = {Yuyang Dai and Zheng Chen and Jathurshan Pradeepkumar and Yasuko Matsubara and Jimeng Sun and Yasushi Sakurai and Yushun Dong},
journal= {arXiv preprint arXiv:2605.09505},
year = {2026}
}