Sep, 2024

自然语言中的诊断推理：计算模型及其应用

HTML
PDF
TL;DR该研究解决了自然语言处理中缺乏自动化支持的诊断推理问题。论文提出了一种基于Pearl结构因果模型的新的诊断推理建模框架，并应用于生物医学领域的科学论文评估。研究发现该框架可以有效支持基于文本的结构化决策过程，为未来的协作诊断推理提供了基础。
发现论文，激发创造
  • 学生诊断推理自动分析的挑战

    本文旨在自动化模拟诊断的认知活动以便为学生提供反馈，同时讨论了自动化识别认知活动所面临的三个挑战，并提出了各自的性能度量标准。此外，根据提供的诊断自述语料库的检测，作者评估了几种 RNN 神经网络架构，证明目前的技术无法解决一些挑战。

    Nov, 2018

  • DR.BENCH：临床自然语言处理的诊断推理基准

    本研究介绍了一种新的基准测试套件，称为DR.BENCH，旨在开发和评估具有临床诊断推理能力的cNLP模型，这是第一个被设计为自然语言生成框架以评估预训练语言模型的临床任务套件。

    Sep, 2022

  • 基于领域内语言模型的诊断推理多任务训练

    本研究的重点是使用 DR.BENCH 这一包含6个任务的综合生成AI框架对领域内和领域外语言模型进行比较分析，发现多任务、经过临床训练的语言模型在DR.BENCH中的问题总结任务中表现超过了其一般领域的对应物，取得了28.55的ROUGE-L得分，显示出了为优化临床诊断推理任务而进行领域特定的训练的价值。

    Jun, 2023

  • 大型语言模型执行诊断推理

    通过将思路链式提示（CoT）拓展到医学推理领域，我们提出了诊断推理 CoT（DR-CoT）。实证结果表明，通过仅向仅训练于一般文本语料库的大型语言模型提供两个 DR-CoT 实例来指导，诊断准确性提高了 15%。此外，在领域外情景中，该差距达到显著的 18%。我们的研究结果表明，大型语言模型中可以通过适当的提示引出专家知识推理。

    Jul, 2023

  • GPT-4语言模型的诱因推理：刑侦、医疗实践和科学研究的案例研究

    本研究评估了GPT-4大型语言模型在医学诊断、犯罪学和宇宙学等复杂领域中的推理能力。通过交互式面试形式，该AI助手展示了在生成和选择假设方面的可靠性。它基于病人数据推测出可行的医学诊断，并在犯罪学和宇宙学领域提供了潜在的原因和解释。研究结果突出了LLM在复杂问题解决方面的潜力，并强调了进一步研究以最大化它们实际应用的必要性。

    Jul, 2023

  • 将医学知识图谱结合到大型语言模型中用于诊断预测

    通过结合医学知识图谱和新颖的图模型Dr.Knows，我们提出一种创新的方法来提高大型语言模型在自动诊断生成领域的能力，从而消除预训练的需要，提高自动诊断生成的准确性。

    Aug, 2023

  • 假设搜索：利用语言模型进行归纳推理

    通过产生多个抽象假设并将其转化为具体的Python程序，进而为大型语言模型提高归纳推理能力，并利用自动生成的摘要或人工筛选的候选集来过滤生成的程序，从而在归纳推理任务中实现更高的准确性。

    Sep, 2023

  • 大型语言模型是临床推理器:具备推理意识的诊断框架和提示生成的合理化

    借助基于提示的学习，通过“推理感知”的诊断框架实现了对临床推理进行理性化，并能够在时间和劳动资源上具有高效性，从而实现了对疾病诊断的临床推理。

    Dec, 2023

  • 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

  • 大型语言模型在疾病诊断中的应用：范围审查

    本研究针对大型语言模型在疾病诊断中的应用进行了全面分析，填补了目前研究中对特定疾病和模型技术的探讨不足。论文提出了数据预处理、模型选择和评估策略的指导方针，并概述了当前研究的局限性与未来方向。研究结果为利用大型语言模型进行疾病诊断提供了蓝图，有助于未来研究的系统化和指导。

    Aug, 2024