arXiv cs.MA· Roxana Ramona Szomiu, George Ursu, Adrian Groza·· 11 小时前AI 评分34
本体引导的多智能体推理框架，用于可解释的鉴别诊断
Ontology-guided multi-agent reasoning for explainable differential diagnosis
AI 导读
研究者提出一个本体引导的多智能体鉴别诊断框架，将诊断推理锚定在专家整理的结构化医学知识库上，并把诊断拆解为显式、可审计的推理步骤。该框架据此识别最具区分度的缺失症状并生成针对性追问，以减少不确定性，从而降低模型幻觉、提升诊断透明度与一致性。源代码已公开。
正文 · AI 翻译
摘要：有效的鉴别诊断依赖于结构良好且明确无歧义的患者病例描述，因为不完整或含糊的临床信息很容易导致诊断错误和推理不一致。大型语言模型（LLM）近期在医学问答和临床推理方面展现出良好能力；然而，即便在医学基准测试中取得有竞争力的表现，它们往往依赖从训练数据中学到的模式识别，而非有据可依的临床证据，并且可能生成看似合理却缺乏支持的诊断结论。其推理过程在很大程度上仍不透明，使临床医生难以评估某项建议背后的证据与依据。为弥补这一不足，我们提出了一种本体引导的多智能体鉴别诊断框架，复现医生的迭代推理过程。该框架将诊断推断建立在结构化、由专家整理的医学知识库之上，能够解释症状、临床发现或疾病关系，同时将诊断分解为明确、可审计的推理步骤。这种基于本体的依据将推断约束在有证据支持的关联范围内，减少幻觉，并提升诊断的透明度、可追溯性和一致性。随后，系统识别最具区分度的缺失症状，并生成有针对性的随访问题，通过模拟临床问诊的过程来降低不确定性。这些组件共同提升了 AI 辅助鉴别诊断的可靠性、可解释性和诊断准确性。源代码已公开。
| 评论： | 预印本 |
| 主题： | 人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2610.36325 [cs.AI] |
| （或 arXiv:2610.36325v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36325 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Roxana Szomiu [查看邮箱]
[v1]
2026年10月26日星期一 21:55:26 UTC（58 KB）
来源：arXiv cs.MA · arxiv.org