MedKGI：改进LLM在临床诊断中的应用

本文通过提出MedKGI，解决了大型语言模型（LLM）在临床诊断中的局限性。它解决了幻觉、低效提问以及多轮对话中缺乏连贯性的问题。整合医学知识图谱、基于信息增益的提问选择以及用于证据跟踪的结构化状态是关键创新。本文的重要性在于它有可能提高人工智能驱动的诊断工具的准确性和效率，使其更符合现实世界的临床实践。

• •MedKGI 集成了一个医学知识图谱，以将推理建立在经过验证的医学本体上。
• •该框架基于信息增益选择问题，以最大限度地提高诊断效率。
• •使用 OSCE 格式的结构化状态来维持跨轮的一致证据跟踪。
• •MedKGI 在诊断准确性和查询效率方面均优于强大的 LLM 基线。