利用大型语言模型辅助贫血的差分诊断
计算与语言
2024-09-25 v1 人工智能
摘要
在临床实践中，医生通过遵循一系列步骤（如实验室检查、观察或影像学检查）来实现诊断。这些诊断路径由专家组织机构编写的指南所述，这些指南引导医生通过这些步骤的序列正确地做出诊断。尽管这些指南对遵循医学推理和整合医学知识有益，但也存在一些缺点。它们往往未能处理来自非主流人群的患者，更新缓慢且成本高昂，使其不适用于快速出现的疾病或新实践。受临床指南的启发，我们的研究旨在开发类似于临床指南中可获得的路径。我们测试了三个大型语言模型（LLMs）——Generative Pretrained Transformer 4（GPT-4）、Large Language Model Meta AI（LLaMA）和Mistral——在一个模拟且真实的数据集上，对贫血及其亚型进行差分诊断。通过使用先进的提示技术来增强决策过程，我们生成了这些模型的诊断路径。实验结果表明，大型语言模型在从患者数据中发现临床路径方面具有巨大的潜力，GPT-4在所有实验中表现出最佳性能。
引用
@article{arxiv.2409.15377,
title = {Prompting Large Language Models for Supporting the Differential Diagnosis of Anemia},
author = {Elisa Castagnari and Lillian Muyama and Adrien Coulet},
journal= {arXiv preprint arXiv:2409.15377},
year = {2024}
}