像医生一样思考：通过诊断知识图探索进行对话式诊断

对话式诊断需要多轮历史记录，其中代理提出澄清问题，以在不完整信息下完善鉴别诊断。现有的方法通常依赖于模型的参数知识或假设患者提供丰富而具体的信息，这是不现实的。为了解决这些局限性，我们提出了一种对话式诊断系统，该系统探索诊断知识图谱，分两个步骤进行推理：（i）从对话上下文中生成诊断假设，以及（ii）通过澄清问题来验证假设，这些问题会重复进行，直到得出最终诊断。由于评估系统需要一个真实的患者模拟器来响应系统的问题，因此我们采用了完善的模拟器以及 MIMIC-IV 的患者资料。我们进一步对其进行调整，以模糊地描述症状，以反映早期临床遇到的真实患者。实验表明，与强大的基线相比，诊断准确性和效率有所提高，医生的评估支持我们的模拟器的真实性和所生成问题的临床实用性。我们的代码将在发布后发布。