面向知识驱动的自动疾病诊断助手
人工智能
2024-05-21 v1 计算与语言
摘要
随着互联网通信和远程医疗的发展，人们越来越多地通过网络进行各种医疗活动。面对日益增长的疾病和症状数量，疾病诊断变得日益具有挑战性。在本工作中，我们构建了一个诊断助手以帮助医生，通过患者与医生之间的交互来识别疾病。在诊断过程中，医生利用症状学知识和诊断经验来准确高效地识别疾病。受此启发，我们研究了医学知识在疾病诊断中的作用。我们提出了一个两通道、知识驱动、对话感知的疾病诊断模型（KI-DDI），其中第一通道使用基于变换器的编码器对患者-医生交流进行编码，另一通道则使用图注意力网络（GAT）创建症状-疾病嵌入。在下一阶段，将对话和知识图嵌入进行融合并输入深度神经网络进行疾病识别。此外，我们首次开发了一个包含患者与医生对话的具有同情心的医学语料库，标注了意图和症状信息。该模型在现有最先进模型上实现了显著提升，证明了（a）医生在额外症状提取方面的努力（除患者自报外）和（b）整合医学知识在有效识别疾病中的关键作用。许多情况下，患者也会展示其医疗状况，这作为诊断的关键证据。因此，整合视觉感知信息将代表提升诊断助手能力的有效途径。
引用
@article{arxiv.2405.11181,
title = {Towards Knowledge-Infused Automated Disease Diagnosis Assistant},
author = {Mohit Tomar and Abhisek Tiwari and Sriparna Saha},
journal= {arXiv preprint arXiv:2405.11181},
year = {2024}
}