链接知识于护理：基于知识图谱的医学随访问题生成
计算与语言
2026-03-03 v1 人工智能
摘要
临床诊断需要患者与医疗专业人员之间密切的交互，因此耗时耗力。虽然大型语言模型（LLM）可以减轻初步诊断工作，但其有限的领域知识会阻碍有效的医学问题生成。我们引入一种基于知识图谱增强的LLM，采用主动情境学习机制生成相关且重要的随访问题，KG-Followup作为面向预诊断评估的关键模块。结构化的医学领域知识图谱作为 seamless patch-up，提供专业的领域知识，使LLM能够进行推理。实验表明，KG-Followup在召回方面显著优于当前最先进的方法，提升了5%-8%。
引用
@article{arxiv.2603.01252,
title = {Linking Knowledge to Care: Knowledge Graph-Augmented Medical Follow-Up Question Generation},
author = {Liwen Sun and Xiang Yu and Ming Tan and Zhuohao Chen and Anqi Cheng and Ashutosh Joshi and Chenyan Xiong},
journal= {arXiv preprint arXiv:2603.01252},
year = {2026}
}
备注
Short paper published in the Findings of EACL 2026