Jan, 2024

走向对话式诊断人工智能

PDF
TL;DR医生与患者对话是医学的核心，具有技巧的病史采集为准确的诊断、有效的治疗和持久的信任铺平了道路。人工智能（AI）系统能够进行诊断对话，可以提高医疗的可及性、一致性和质量。本研究介绍了一种基于大型语言模型（LLM）的 AI 系统 AMIE，该系统通过模拟环境和自动反馈机制进行优化，以实现在不同疾病、专业领域和环境中的学习和扩展。 AMIE 在临床相关性能评估中表现出更高的诊断准确性和出色的性能，这是朝着对话式诊断 AI 的里程碑迈进。
physician-patient dialogueartificial intelligenceamiediagnostic dialogueconversational diagnostic ai
发现论文，激发创造
  • AI 医院：交互评估和合作使用 LLM 作为实习医生进行临床诊断

    大型语言模型（LLMs）在医疗保健领域的应用具有重要意义，为了充分利用其交互潜力，本文提出了 AI Hospital 框架，用于构建实时互动诊断环境，并通过多视角医学评估（MVME）基准和协作机制来验证其可行性和有效性。

    Feb, 2024

  • 外部规划控制的大型语言模型对话式疾病诊断

    通过利用大型语言模型来开发一个医学任务导向的对话系统，该系统模拟人类医生与患者对话以推断诊断结果，研究使用外部规划器和大型语言模型改进了先前人工智能系统在信息收集和自然语言理解等方面的局限性。通过模拟医生的疾病筛查和鉴别诊断的两阶段决策过程，我们设计了两个不同的规划器，以有效地引导医疗对话。采用强化学习和大型语言模型进行主动学习，我们训练了这些规划器，并在 MIMIC-IV 数据集上对系统进行评估，结果表明该系统能够胜过现有模型，这是实现自动对话式疾病诊断并提高医学诊断的精确性和可访问性的重要一步。

    Apr, 2024

  • 使用具有状态感知病人模拟器的自动交互式评估大型语言模型

    通过引入自动交互评估（AIE）框架和状态感知患者模拟器（SAPS），本文介绍了一种增强大型语言模型（LLMs）在医疗保健领域应用的方法，通过多轮医患模拟来评估 LLMs 的性能，从而更好地满足临床实践的需求。实验证明了 AIE 框架的有效性，并与人类评估结果一致，强调其改进医疗保健交付的潜力。

    Mar, 2024

  • MediFact 在 MEDIQA-CORR 2024：为何人工智能需要人类的触摸

    通过提取上下文相关的信息、构建监督学习框架和整合领域专业知识，本研究聚焦于提高医疗信息的准确性，并强调了人本主义策略在适应医疗人工智能中的重要性。

    Apr, 2024

  • 超越直接诊断：基于 LLM 的多专家代理咨询自动诊断

    采用调谐自由的 LLM（大语言模型）代理作为医学从业者，我们提出了基于代理的多专科咨询（AMSC）框架，通过自适应地融合代理对潜在疾病的概率分布来模拟真实世界中的诊断过程。实验结果显示了我们的方法相比基线的优越性。值得注意的是，我们的方法需要极少的参数更新和训练时间，提高了效率和实用性。此外，我们深入探讨了在自动诊断背景下的隐性症状的新角度。

    Jan, 2024

  • 通过多智能体对话增强诊断准确性：利用大型语言模型减轻认知偏差

    通过大型语言模型 (LLMs) 在多智能体框架中的运用，模拟临床决策过程并评估其改善诊断准确性的有效性，以应对临床决策中的认知偏差。

    Jan, 2024

  • 癌症临床决策中的自主人工智能代理

    多模态人工智能系统能够通过解释各种类型的医疗数据来增强临床决策，本研究引入了一种利用大型语言模型作为中央推理引擎的多模态医疗人工智能的替代方法，通过验证该系统在临床肿瘤学场景中的表现，证实了语言模型能够作为专科、以患者为中心的临床助手的有效性。

    Apr, 2024

  • CliBench: 临床决策中大型语言模型在诊断、过程、实验室测试和处方方面的多方面评估

    将人工智能（AI）与临床诊断过程中的大型语言模型（LLMs）整合，可以显著提高医疗保健的效率和可访问性。本研究通过引入 CliBench—— 一个基于 MIMIC IV 数据集的新型基准测试，评估 LLMs 在临床诊断中的能力，覆盖了多种临床病例的诊断，并包括与临床有关的任务，如治疗程序识别、实验室检查和药物处方等。通过结构化输出本体，CliBench 能够深入了解 LLMs 在不同临床任务上的能力，从而为 LLM 在医疗保健领域的未来发展提供有价值的见解。

    Jun, 2024

  • AgentClinic：评估 AI 在模拟临床环境中的多模态代理基准

    诊断和治疗患者是一个复杂的、顺序的决策过程，医生需要获取信息并进行相应操作。本研究介绍了 AgentClinic，一个用于评估大型语言模型在模拟临床环境中扮演医生角色能力的多模态基准测试。

    May, 2024

  • 通过半结构化数据和大型语言模型集成自动生成高质量的医学仿真场景

    采用半结构化数据与大型语言模型（LLMs）相结合，本研究引入了一种医学教育变革框架，以自动化生成医学模拟场景。该创新显著缩短了场景开发所需的时间和资源，实现了更广泛的模拟类型，提高了参与度和知识获取，突显了人工智能在推动教育成果和患者护理标准方面的关键作用。

    Apr, 2024