研究提出本体引导多智能体框架提升鉴别诊断可解释性

Roxana Ramona Szomiu、George Ursu与Adrian Groza提出一种本体引导的多智能体鉴别诊断框架，模拟医生的迭代推理过程。作者称，大语言模型在医学基准上表现不俗，但常依赖训练数据中的模式识别而非有据可依的临床证据，可能给出看似合理却缺乏支持的诊断结论，推理过程不透明。该框架将诊断推理锚定于专家整理的结构化医学知识库，把诊断拆解为明确、可审计的推理步骤，据作者称可减少幻觉并提升诊断的透明度、可追溯性与一致性；系统还会识别最具区分度的缺失症状并生成针对性追问以降低不确定性。作者称上述组件共同提升了AI辅助鉴别诊断的可靠性、可解释性与准确率。论文为预印本，尚未经同行评审，源代码已公开。