论文
像临床医生一样思考：通过全景式画像与对抗性辩论实现临床诊断的认知型AI智能体
Thinking Like a Clinician: A Cognitive AI Agent for Clinical Diagnosis via Panoramic Profiling and Adversarial Debate
摘要
大语言模型（LLM）在临床决策支持中的应用面临重大挑战：其在处理非结构化电子健康记录（EHR）时存在“隧道视野”与诊断幻觉。为应对这些挑战，我们提出一种新颖的基于链式的临床推理框架DxChain，它通过镜像临床医生由“记忆锚定”（Memory Anchoring）、“导航”（Navigation）与“验证”（Verification）阶段构成的认知轨迹，将诊断工作流转化为一个迭代过程。DxChain引入三项关键方法创新以激发LLM的潜力：(i) Profile-Then-Plan范式，通过建立全景式患者基线来缓解冷启动幻觉；(ii) 医学思维树（Med-ToT）算法，用于前瞻性策略规划与资源感知导航；(iii) 辩证诊断验证流程，利用“天使-魔鬼”对抗性辩论来解决复杂的证据冲突。在两个真实世界基准MIMIC-IV-Ext Cardiac Disease与MIMIC-IV-Ext CDM上进行评估，DxChain在诊断准确率与逻辑一致性上均取得最先进性能，为下一代临床AI提供了模块化且可靠的架构。代码见 https://anonymous.4open.science/r/Dx-Chain。
