首页 > 其他分享 >CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis

CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis

时间:2024-12-02 09:00:36浏览次数:7  
标签:... Towards 置信度 周围神经 Chain 症状 Medical 诊断 疾病

文章标题

CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis

发表日期

2024.9.15

文章地址

https://arxiv.org/abs/2407.13301

1.文章解决的问题

  1. 诊断过程透明性缺失:LLMs 在医疗诊断时类似于黑箱操作,虽能给出诊断结果,却难以清晰呈现如何从患者症状推导出该结论,未展示排除其他疾病及确定诊断疾病的依据与程度,致使医生与患者对诊断可靠性存疑,难以判定其是否契合医学分析与伦理准则。

解决方法:诊断链(CoD)阐明诊断思维过程,为医生提供支持其临床决策的诊断途径,并确保大语言模型(LLM)的决策符合合理分析和伦理标准。

2.文章的贡献

  1. 引入诊断链,提高LLM在疾病诊断中的可解释性

  2. 使用COD,构建了DiagnosisGPT,可支持9604种疾病的自动诊断

  3. 推出诊断基准:DxBench,具有1148个真实病例,涵盖461种疾病,经过人工验证并从公共医患对话中得出

3.方法

可解释性(系统中的每个组件都可以被单独被解释):

透明性,模型是如何工作的

事后解释,一个模型可以为人类提供的信息和功能

通过5个不同的步骤反映医生的思维过程,揭示了每个决定背后的一系列想法

  1. 症状抽取,记录到S中

  2. 疾病召回和知识整合,从已知的的疾病数据库中检索与症状S最相关的前K种疾病D’

  3. 诊断推理,对每一种可能的疾病D‘,通过S和D’计算出T诊断推理过程

  4. 置信度评估,利用生成的S,D',T生成一个置信度分布C,该分布显示了模型倾向于诊断每种疾病的置信程度

  5. 决策制定,根据置信度分布和预设的置信度阈值 τ,CoD 决定是直接进行疾病诊断还是继续进行症状询问,大于阈值直接进行疾病诊断;小于阈值继续进行症状询问

患者病历合成的过程

4.案例分析

第一轮咨询

用户:我感觉不舒服,活动能力下降,有时会出现麻木或刺痛感。

DiagnosisGPT:

分析患者症状:“运动障碍”,“感觉障碍”

根据提供的信息,可能的诊断包括:

  • “周围神经病变”,通常表现为自主神经功能障碍,感觉障碍...

  • “多发性系统萎缩”,通常表现为小脑共济失调,皮质减少...

  • “周围神经损伤”,通常表现为感觉障碍,营养问题...

诊断推理:

患者主要表现出运动障碍和感觉障碍。周围神经病变... 周围神经损伤主要涉及感觉和运动障碍,但通常不直接表现为自主神经功能障碍。因此,多发性系统萎缩的可能性高于周围神经病变,而周围神经损伤的可能性较小。

诊断置信度:

{"周围神经病变": 0.35, "多发性系统萎缩": 0.45, "周围神经损伤": 0.2}(基础疾病)

诊断信息不足。需要额外的症状询问:

你的手和脚感觉冷吗?

第二轮咨询

用户:是的,我的手和脚倾向于感到冷。

DiagnosisGPT:

分析患者症状:(获取新症状)“运动障碍”,“感觉障碍”,“四肢冰冷”

根据提供的信息,可能的诊断包括:(重新搜索疾病)

  • “周围神经病变”,通常表现为自主神经功能障碍,感觉障碍...

  • “多发性系统萎缩”,通常表现为小脑共济失调,皮质减少...

  • “脊髓损伤”,通常表现为运动功能障碍,膀胱功能障碍,脊髓...

诊断推理:

患者表现出... 四肢冰冷的存在进一步支持周围神经病变的诊断。与多发性系统萎缩相比... 这种情况通常包括更广泛的系统性症状,如自主神经功能障碍和运动障碍,这些在这位患者中没有特别提到。脊髓损伤... 然而,目前没有足够的信息来明确建议脊髓损伤。因此,这些症状最接近周围神经病变。

诊断置信度:(在症状询问后,目标疾病的置信度增加)

{"周围神经病变": 0.6, "多发性系统萎缩": 0.3, "脊髓损伤": 0.1}

诊断:(做出诊断)

你可能患有周围神经病变。建议积极治疗潜在疾病,改善营养,纠正任何维生素缺乏,并避免接触有害金属和药物...

标签:...,Towards,置信度,周围神经,Chain,症状,Medical,诊断,疾病
From: https://blog.csdn.net/qq_62801947/article/details/144174102

相关文章

  • MPHY0041 Machine Learning in Medical Imaging
    AssessedCourseworkTrackingSheetModuleCode:MPHY0041ModuleTitle:MachineLearninginMedicalImagingateHandedout:Friday,October25th2024StudentID(NotName)SubmissionInstruction:Beforethesubmissiondeadline,youshoulddigitallysubmi......
  • LangChain大模型AI应用开发实践:从基础到实战【文末好书推荐】
    《LangChain大模型AI应用开发实践》是一个围绕使用LangChain进行大规模AI应用开发的主题,重点介绍如何通过LangChain框架和相关技术,构建和优化AI应用。LangChain是一个面向大语言模型(LLM)开发的开源框架,特别适用于与多个外部工具、API及数据源的集成。它帮助开发者通过无缝的......
  • 论文分享➲ Exploring Chain-of-Thought for Multi-modal Metaphor Detection | 探索
    ExploringChain-of-ThoughtforMulti-modalMetaphorDetection探索用于多模态隐喻检测的思维链......
  • LangChain——CSV_时间_枚举_Json_修复_重试解析器
    CSV解析器当想返回以逗号分隔开的项目列表时,可以使用输出解析器。fromlangchain.output_parsersimportCommaSeparatedListOutputParserfromlangchain.promptsimportPromptTemplatefromlangchain_openaiimportChatOpenAI#分隔列表解析器(CSV解析器)output_pars......
  • 知识库助手的构建之路:ChatGLM3-6B和LangChain的深度应用
    ChatGLM3-6B和LangChain构建知识库助手安装依赖库使用pip命令安装以下库:pipinstallmodelscopelangchain==0.1.7chromadb==0.5.0sentence-transformers==2.7.0unstructured==0.13.7markdown==3.0.0docx2txt==0.8pypdf==4.2.0依赖库简介:ModelScope:一个用于机......
  • 【RAG 项目实战 07】替换 ConversationalRetrievalChain(单轮问答)
    【RAG项目实战07】替换ConversationalRetrievalChain(单轮问答)NLPGithub项目:NLP项目实践:fasterai/nlp-project-practice介绍:该仓库围绕着NLP任务模型的设计、训练、优化、部署和应用,分享大模型算法工程师的日常工作和实战经验AI藏经阁:https://gitee.com/fasterai......
  • [ECCV2024]GLAD Towards Better Reconstruction with Global and Local Adaptive Dif
    在工业异常检测任务中,引入并改进扩散模型,通过重建比较实现异常检测。Background异常检测(anomalydetection,AD)旨在检测和定位工业产品物体的异常模式,然而:在某些情况下,为所有异常类型收集足够的异常样本具有挑战性。由于产品设计和生产流程不断变化,不可能提前收集所有异常。......
  • No toolchains found in the NDK toolchains folder for ABI with prefix: arm-linux-
    一、报错信息二、解决方法1、打开SDKManager,卸载本地NDK。2、然后点击Apply——>OK,重新启动Android工程,成功运行。思想成体系,培养成意识,自律成习惯。我强烈推荐4本可以改变命运的经典著作:《寿康宝鉴》在线阅读白话文《欲海回狂》在线阅读白话文《阴律无情》在线阅......
  • 题解:SP1442 CHAIN - Strange Food Chain
    有三种可能的假话:编号\(>n\);自己吃自己;互吃。使用扩展域并查集(种类并查集)。code:#include<bits/stdc++.h>usingnamespacestd;intn,m,c,t,F[150005];intfind(intx){ if(F[x]==x)returnx; returnF[x]=find(F[x]);}intmain(){cin>>t;while......
  • 27K star!有没有显卡都能搞,Langchain-Chatchat 快速基于LLM构建本地智能知识库
    觉得搞一个AI的智能问答知识库很难吗?那是你没有找对方向和工具,今天我们分享一个开源项目,帮助你快速构建基于Langchain和LLM的本地知识库问答,在GitHub已经获得27Kstar,它就是:Langchain-Chatchat......