模拟临床医生：通过全景轮廓和对抗辩论的认知 AI 普通体用于临床诊断
人工智能
2026-04-28 v1
摘要
大型语言模型（LLMs）在临床决策支持中面临“窄视”和诊断幻觉等重大挑战，这些挑战源于其处理非结构化电子健康记录（EHRs）的能力。为解决这些挑战，我们提出了一种新的链式临床推理框架，称为 DxChain，将诊断工作流程转化为镜像临床医生认知轨迹的迭代过程，包括“记忆锚定”、“导航”和“验证”三个阶段。DxChain 引入了三个关键方法性创新来挖掘 LLM 的潜能：(i) 以全景轮廓为导向的范式，以建立患者基线来缓解冷启动幻觉；(ii) 医学树状思维（Med-ToT）算法，用于战略前瞻规划和资源感知导航；(iii) 利用“天使-恶魔”对抗辩论的诊断验证程序，以解决复杂证据冲突。我们在两个真实世界基准测试上对其进行了评估，分别是 MIMIC-IV-Ext 心血管疾病和 MIMIC-IV-Ext 临床疾病（CDM），DxChain 在诊断准确率和逻辑一致性方面均实现了最先进的性能，为下一代临床 AI 提供了一个模块化可靠的架构。代码请访问 https://anonymous.4open.science/r/Dx-Chain。
引用
@article{arxiv.2604.23605,
title = {Thinking Like a Clinician: A Cognitive AI Agent for Clinical Diagnosis via Panoramic Profiling and Adversarial Debate},
author = {Zhiqi Lv and Duofan Tu and Jun Li and Mingyue Zhao and Heqin Zhu and Wenliang Li and Shaohua Kevin Zhou},
journal= {arXiv preprint arXiv:2604.23605},
year = {2026}
}