LLMとASPを用いた説明可能な疾患診断

この論文は、大規模言語モデル（LLM）とAnswer Set Programming（ASP）の強みを組み合わせることで、医療における説明可能なAIの課題に取り組んでいます。 McCoyというフレームワークを提案し、LLMを使用して医学文献をASPコードに変換し、患者データを統合し、ASPソルバーを使用して診断を行います。このアプローチは、知識ベースの構築を自動化し、解釈可能な予測を提供することにより、従来の医療におけるシンボリックAIの限界を克服することを目指しています。予備的な結果は、小規模なタスクで有望なパフォーマンスを示唆しています。

• •説明可能な疾患診断のためにLLMとASPを組み合わせる。
• •医学文献から知識ベースの構築を自動化する。
• •解釈可能な予測を提供する。
• •小規模なタスクで有望なパフォーマンスを示す。