H-DDx：面向差别诊断的层次化评估框架
人工智能
2025-10-07 v1
摘要
准确的差别诊断（DDx）对于患者护理至关重要，决定治疗方案并影响疗效。最近，大型语言模型（LLM）作为支持此过程的工具，能够从患者叙述中生成DDx列表。然而，现有的LLM在此领域的评估主要依赖于平面指标，如Top-k准确率，这些指标无法区分临床相关的接近误差与诊断疏离的错误。为缓解此限制，我们引入H-DDx，一种更贴近临床相关性的层次化评估框架。H-DDx利用检索和重排序管道将自由文本诊断映射到ICD-10编码，并应用层次化指标，对预测结果与真实诊断密切相关的情形给予积分。在对22个领先模型进行基准测试后，我们表明常规的平面指标会忽略临床上有意义的输出，从而低估了性能，我们的结果凸显了领域专业化开源模型的优势。此外，我们的框架通过揭示层次化错误模式来增强可解释性，表明LLM往往即使未能获得精确诊断，也能正确识别更广泛的临床背景。
引用
@article{arxiv.2510.03700,
title = {H-DDx: A Hierarchical Evaluation Framework for Differential Diagnosis},
author = {Seungseop Lim and Gibaeg Kim and Hyunkyung Lee and Wooseok Han and Jean Seo and Jaehyo Yoo and Eunho Yang},
journal= {arXiv preprint arXiv:2510.03700},
year = {2025}
}
备注
GenAI4Health @NeurIPS 2025