论文
使用大型语言模型与 Answer Set Programming 实现可解释疾病诊断的概念验证
A Proof-of-Concept for Explainable Disease Diagnosis Using Large Language Models and Answer Set Programming
摘要
准确的疾病预测对于及时干预、有效治疗和减少医疗并发症至关重要。符号 AI 虽已在医疗领域得到应用，但由于构建高质量知识库所需的工作量，其采用仍然有限。本工作提出 McCoy，一个将大型语言模型（LLM）与 Answer Set Programming（ASP）相结合以克服这一障碍的框架。McCoy 编排 LLM 将医学文献翻译为 ASP 代码，将其与患者数据结合，并使用 ASP 求解器处理以得出最终诊断。这种集成产生了一个稳健、可解释的预测框架，充分利用两种范式的优势。初步结果显示，McCoy 在小规模疾病诊断任务上具有很强的表现。