通过诊断知识图谱探索实现医生式对话诊断
人工智能
2026-02-04 v1 计算与语言
摘要
对话诊断需要进行多轮历史采集，在信息不完整的情况下，通过提问来细化差别诊断。现有方法往往依赖模型的参数知识或假设患者提供丰富且具体的信息，这在现实中不切实际。为此，我们提出了一个通过探索诊断知识图谱进行推理的对话诊断系统，系统以两个步骤进行推理：(i)从对话上下文生成诊断假设，(ii)通过澄清问题验证假设，通过重复上述过程直至达成最终诊断。由于评估系统需要一个能够响应系统提问的真实患者模拟器，我们采用已建立的模拟器并使用来自MIMIC-IV的患者档案。我们进一步使其描述症状模糊，以反映真实世界患者在早期临床接触时的表现。实验表明，我们的方法在强基准上实现诊断准确率和效率的提升，医生评估支持我们模拟器的真实性以及生成问题的临床实用性。我们将在论文发表后公开代码。
引用
@article{arxiv.2602.01995,
title = {Thinking Like a Doctor: Conversational Diagnosis through the Exploration of Diagnostic Knowledge Graphs},
author = {Jeongmoon Won and Seungwon Kook and Yohan Jo},
journal= {arXiv preprint arXiv:2602.01995},
year = {2026}
}