基于双向推理的可解释差别诊断大型语言模型
计算与语言
2024-11-08 v2 人工智能
摘要
自动差别诊断（DDx）是一种重要的医学任务，基于患者症状描述生成潜在疾病列表作为鉴别诊断。实际应用中，对这些差别诊断进行解释具有重要价值，但却鲜有探讨。鉴于大型语言模型（LLM）的强大能力，我们调研了使用 LLM 进行可解释 DDx。具体而言，我们构建了首个包含 570 份临床笔记的 DDx 数据集，标注包含专家推导的解释。此外，我们提出了 Dual-Inf 框架，使 LLM 能够为 DDx 进行双向推理（即从症状推导至诊断，反之亦然）。人工和自动评估均验证了其在四个基础 LLM 上预测和阐明差别诊断的有效性。此外，Dual-Inf 能减少解释错误，为罕见疾病解释提供了前景。据我们所知，这是首个为 DDx 解释定制 LLM 的工作，并全面评估了其解释性能。总体而言，本研究填补了 DDx 解释的关键空白，增强了临床决策。
引用
@article{arxiv.2407.07330,
title = {Interpretable Differential Diagnosis with Dual-Inference Large Language Models},
author = {Shuang Zhou and Mingquan Lin and Sirui Ding and Jiashuo Wang and Genevieve B. Melton and James Zou and Rui Zhang},
journal= {arXiv preprint arXiv:2407.07330},
year = {2024}
}
备注
16 pages