使用大型语言模型和答案集编程的可解释疾病诊断

本文通过结合大型语言模型 (LLM) 和答案集编程 (ASP) 的优势，解决了医疗保健领域可解释性 AI 的挑战。它提出了一个名为 McCoy 的框架，该框架使用 LLM 将医学文献翻译成 ASP 代码，整合患者数据，并使用 ASP 求解器进行诊断。这种方法旨在通过自动化知识库构建和提供可解释的预测来克服传统符号 AI 在医疗保健领域的局限性。初步结果表明，在小规模任务上表现出良好的性能。

• •结合 LLM 和 ASP 进行可解释的疾病诊断。
• •从医学文献中自动构建知识库。
• •提供可解释的预测。
• •在小规模任务上表现出良好的性能。