ConsultMind：用贝叶斯不确定性指导诊断问询

诊断问询是一种在线序贯决策：临床人员通过与患者交互积累证据，直到诊断获得充分支持。自动化需要自适应提问及可解释决策。贝叶斯网络可随证据更新诊断后验，但开放问询仍需解决如何连接诊断假设与潜在问题、如何把变化的后验转化为决策。AutoDisym融合诊断知识和具有诊断标签的异构临床叙述，自动构建疾病—症状贝叶斯网络。基于该网络，ConsultMind在每次回答后更新疾病后验，并以其不确定性指导提问与诊断。研究在精神科、呼吸科、发热门诊及三个公开数据集评估，发现AutoDisym可构建高质量网络，ConsultMind持续改善诊断表现和解释合理性。例如，采用GPT-5.6-Sol时，典型症状和临床表现的宏平均F1分别为81.37和72.19；ConsultMind使Top-1和Top-3诊断准确率最多提高22.15和37.89个百分点。医师评估还显示，它改善不同规模LLM的排序解释、鉴别诊断及诊断依据。研究为自动诊断问询提供了一条有待进一步验证的路径。