基于树的RAG-Agent推荐系统：医学检验数据案例研究
信息检索
2025-01-07 v1 人工智能
摘要
我们提出HiRMed（层次化RAG增强的医学检验推荐），一种新颖的树结构推荐系统，利用检索增强生成（RAG）进行智能医学检验推荐。与传统的基于向量相似性的方法不同，我们的系统通过专门的RAG过程在每个树节点进行医学推理。从根节点（初始症状）开始，系统进行逐步医学分析，以识别潜在的潜在疾病及其相应的诊断需求。在每一层，我们的RAG增强节点不是简单匹配，而是分析检索到的医学知识，以理解症状-疾病关系并确定最合适的诊断路径。系统根据医学推理结果动态调整推荐策略，考虑紧急程度和诊断不确定性等因素。实验结果表明，与传统的基于检索的方法相比，我们的方法在覆盖率、准确率和漏检率方面取得了更优的性能。这项工作通过将医学推理能力引入传统的树结构检索结构，代表了医学检验推荐领域的重大进展。
引用
@article{arxiv.2501.02727,
title = {Tree-based RAG-Agent Recommendation System: A Case Study in Medical Test Data},
author = {Yahe Yang and Chengyue Huang},
journal= {arXiv preprint arXiv:2501.02727},
year = {2025}
}