MultiDx：面向诊断推理的多源知识集成框架

诊断预测和临床推理是医疗保健应用中的关键任务。虽然大语言模型（LLM）在常识推理方面表现出了强大的能力，但由于领域知识有限，他们仍然在诊断推理方面遇到困难。现有方法往往依赖于内部模型知识或静态知识库，导致知识不足和适应性有限，从而阻碍了其执行诊断推理的能力。此外，这些方法仅关注最终预测的准确性，而忽略了与标准临床推理轨迹的一致性。为此，我们提出了 MultiDx，这是一种两阶段诊断推理框架，通过分析从多个知识源收集的证据来执行鉴别诊断。具体来说，它首先利用网络搜索、SOAP 格式病例和临床病例数据库中的知识生成可疑诊断和推理路径。然后，它通过匹配、投票和鉴别诊断来整合多视角证据，以生成最终预测。~在两个公共基准上进行的大量实验证明了我们方法的有效性。