基于高阶推理的时间紧急证据医学推荐

在时间紧急决策中，人类决策者可与AI赋能的情境感知软件交互，评估众多潜在情景，检索数十亿事实，基于数万亿参数在瞬间估算不同结果。高阶推理中，“what-if”问题可挑战推理的假设或前提，“why-not”问题可挑战所采用的推理方法，“so-what”问题可挑战决策的目的，“how-about”问题可挑战方法的适用性。当上述高阶推理问题用于辅助人类决策时，可帮助人类做出时间紧急决策，避免误诊或误判。本文提出一种高阶推理模型，用于在证据医学中以时间紧急方式提供建议，适用于ICU场景。该系统采用大语言模型（Large Language Model, LLM）。实验表明，LLM在“what-if”情景中表现最佳，与人类医生的治疗方案相似度达88.52%。在“why-not”情景中，最佳模型在70%的情况下为ICU出院后死亡的患者提供替代治疗方案。在“so-what”情景中，最优模型对ICU患者的治疗方案动机与意义进行了详细分析，其推理结果与实际诊断信息的相似度达55.6%。在“how-about”情景中，顶级LLM在为类似疾病设计治疗方案时实现了66.5%的内容相似度。同时，LLM能够以70%的准确率预测患者ICU出院后的生存状态。