医学模型综合架构：案例研究

医学充斥着高风险的不确定性。医生日常做出的临床判断和决策需要同时权衡诸多根本性未知，例如预测患者的症状可能由什么引起，或决定下一步尝试何种治疗。尽管开发在临床环境中辅助甚至取代医生的AI系统日益受到关注，当前系统仍难以在不确定性下进行校准的推理，且其推理过程往往高度不透明。我们提出一个AI系统框架，能够在不确定性下做出实际有用但形式上透明的临床预测。给定一个临床情境，我们的框架（MedMSA）利用语言模型检索相关先验知识，但构建一个形式化概率模型来支持不确定性下的校准且可验证的推断。我们展示了该框架的初步概念验证如何用于鉴别诊断，生成一份按不确定性加权的、能够解释患者症状的潜在诊断列表，并讨论了将该框架更广泛地应用于安全临床协作的未来应用与方向。