MedSyn：通过人类-AI协作提升诊断效果
机器学习
2025-07-10 v2 人工智能
人机交互
摘要
临床决策本质上是复杂的，常受认知偏见、信息不完整和病例模糊性的影响。大型语言模型（LLM）已显示出作为支持临床决策的工具具有潜力，但其典型的单次或有限交互用法可能忽视了真实医疗实践的复杂性。本文提出一种混合人类-AI框架MedSyn，让医生与LLM进行多步骤、交互式对话，以细化诊断和治疗决策。不同于静态决策支持工具，MedSyn实现动态交换，允许医生挑战LLM的建议，同时LLM提供备选视角。通过模拟医生-LLM交互，我们评估了开源LLM作为医生助理的潜力。结果表明，开源LLM在实际应用中作为医生助理具有前景。未来工作将涉及真实医生互动，以进一步验证MedSyn在诊断准确性和患者预后方面的有用性。
引用
@article{arxiv.2506.14774,
title = {MedSyn: Enhancing Diagnostics with Human-AI Collaboration},
author = {Burcu Sayin and Ipek Baris Schlicht and Ngoc Vo Hong and Sara Allievi and Jacopo Staiano and Pasquale Minervini and Andrea Passerini},
journal= {arXiv preprint arXiv:2506.14774},
year = {2025}
}
备注
Presented in the Trustworthy and Collaborative Artificial Intelligence Workshop 2025 (TCAI 2025) in the 4th International Conference Series on Hybrid Human-Artificial Intelligence (HHAI 2025)