本文是LLM系列文章,针对《CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis》的翻译。
摘要
随着大型语言模型(LLM)的出现,医学诊断领域发生了重大变革,但这些模型中可解释性的挑战在很大程度上仍未得到解决。本研究引入了诊断链(CoD),以提高基于LLM的医学诊断的可解释性。CoD将诊断过程转化为反映医生思维过程的诊断链,提供透明的推理途径。此外,CoD输出疾病置信度分布,以确保决策的透明度。这种可解释性使模型诊断变得可控,并通过置信度的熵降低来帮助识别关键症状以供查询。通过CoD,我们开发了DiagnosticsGPT,能够诊断9604种疾病。实验结果表明,DiagnosisGPT在诊断基准上优于其他LLM。此外,DiagnosisGPT提供了可解释性,同时确保了诊断严谨性的可控性。
1 引言
2 诊断问题定义
3 方法:诊断链
4 实验
5 更多分析
6 结论
在本文中,我们提