MEDDxAgent：面向可解释自动差别诊断的统一模块化智能体框架
计算与语言
2025-06-16 v2 人工智能
摘要
差别诊断（DDx）是临床决策中一个基本且复杂的方面，在其中医生会迭代细化基于症状、先因和医学知识的可能疾病列表。尽管近期大型语言模型（LLM）的进展在支持 DDx 上显示出前景，但现有方法面临关键局限，包括单数据集评估、组件孤立优化、关于完全患者轮廓的不切实际假设以及单次诊断。我们引入一个模块化可解释 DDx 智能体（MEDDxAgent）框架，用于交互式 DDx，诊断推理通过迭代学习而非假设完全可及的患者轮廓。MEDDxAgent 集成了三个模块组件：（1）一个编排器（DDxDriver），（2）一个历史获取模拟器，和 (3) 两个专门的智能体用于知识检索和诊断策略。为确保稳健评估，我们引入一个覆盖呼吸系统、皮肤科和罕见疾病的全面 DDx 档案。我们分析单轮诊断方法，证明了当患者轮廓不可及时迭代细化的重要性。我们的广泛评估显示，MEDDxAgent 在大型和小型 LLM 上的交互式 DDx 准确率提升超过 10%，并为其诊断推理过程提供了关键可解释性。
引用
@article{arxiv.2502.19175,
title = {MEDDxAgent: A Unified Modular Agent Framework for Explainable Automatic Differential Diagnosis},
author = {Daniel Rose and Chia-Chien Hung and Marco Lepri and Israa Alqassem and Kiril Gashteovski and Carolin Lawrence},
journal= {arXiv preprint arXiv:2502.19175},
year = {2025}
}
备注
ACL 2025 (main)