Jan, 2024

通过直观 - 分析差异诊断进行医疗对话生成

PDF
TL;DR医学对话系统应用了 Intuitive-then-Analytic Differential Diagnosis (IADDx) 方法进行差异诊断，并通过检索顺联结合图增强的分析过程提供疗效理论和指导。该研究验证了该方法的有效性，并展示了其在诊断过程中对临床医生和患者的辅助作用，例如生成中间结果和基于图的诊断路径。
medical dialogue systemsdifferential diagnosisdiagnostic processmedical knowledgeresponse generation
发现论文，激发创造
  • 如医师般推理：通过诊断推理过程对医疗对话系统进行改进

    通过仿真临床医生的诊断推理过程来构建与临床医生诊断推理过程相一致的医疗对话系统，提出了一种新颖的 Emulation 框架，通过思维过程建模，生成与临床医生偏好相一致的妥当回应，并且为生成的回应提供明确的解释，增强了在医学咨询中的透明度。

    Jun, 2024

  • 利用可解释问询逻辑建立医学诊断智能代理：从 “我的鼻子流鼻涕” 到 “你有咳嗽吗？

    本文研究在医疗诊断中，如何在数据驱动的医疗诊断对话系统中加入可解释性和适当的决策逻辑，并通过大规模的数据集和透明组件的设计使诊断准确率分别得到 7.7％，10.0％和 3.0％的提高。

    Apr, 2022

  • MDDial：一个带可靠性评估的多轮鉴别诊断对话数据集

    建立对话系统可用于自动不同诊断，但相关数据集有限。本研究介绍了 MDDial 作为首个英文不同诊断对话数据集，并探索了综合计分方法以表征症状和诊断的关联，结果表明 MDDial 可用于研究不同诊断对话。

    Aug, 2023

  • 面向知识注入的自动疾病诊断助手

    通过医患互动，将医学知识与病症识别相结合，建立一种诊断助手，显著提高疾病识别的能力，并整合视觉感知信息以增强诊断助手的功能。

    May, 2024

  • 基于双流建模的医学对话生成

    本研究提出了一种 Dual Flow 增强型医疗对话生成框架 DFMed，通过提取对话历史中的医疗实体和对话行为来预测下一轮中要采取的实体和对话行为，模拟它们之间的转换，并使用两个顺序模型进行编码，运用交织组件增强协同作用，实验结果表明 DFMed 方法在自动评估和手动评估中均优于基线。

    May, 2023

  • 借助大型语言模型实现准确的鉴别诊断

    本研究介绍了一种为诊断推理进行优化的大型语言模型 (LLM)，并评估其生成独立诊断推理 (DDx) 或为临床医生提供辅助的能力。结果显示，在挑战性真实医学案例中，使用 LLM 辅助的临床医生在 DDx 质量和全面性方面表现优于未使用该辅助工具的医生，证明 LLM 为 DDx 提供了潜力，有望改善医生在复杂病例中的诊断推理和准确性。

    Nov, 2023

  • 自动诊断的端到端知识路由关系对话系统

    该研究提出一种基于知识图谱的对话系统，用于自动医疗诊断，将丰富的医学知识图谱和自然语言理解相融合，在对话管理中实现主题转换，有效提高了对话系统的准确性。

    Jan, 2019

  • 术语意识医疗对话生成

    本研究旨在提高医学对话生成的准确性，采用基于专业术语的特征并利用注意机制和辅助术语识别任务填补医学背景与常见话语之间的语义鸿沟，证实该框架优于目前最先进的语言模型。此外，我们提供了一个新的具有医学术语注释的数据集以支持医学对话生成的研究。

    Oct, 2022

  • DDXPlus: 自动医学诊断新数据集

    本文提出了一个大规模的综合数据集，包括大约 1.3 百万患者的诊断、症状和先决条件的差异诊断，用于自动症状检测和自动诊断系统的训练，以帮助医生更好地了解这些系统的推理。

    May, 2022

  • 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