标签
NSIDDx 是针对低资源环境的神经符号鉴别诊断设计框架，强调临床医生协作和推理透明性，旨在通过可验证输出和可审计性弥补基于LLM系统的不足。
这篇arXiv论文介绍了社会思维链（SCoT），一种用于医学鉴别诊断的多智能体架构，它将多轮专家对话组织成结构化流程。评估显示，它优于单智能体和整体式推理，尤其是在最困难的诊断案例上。
介绍GuideSkill，一种外部推理层，将临床实践指南编译为可执行的诊断技能，在无需更新骨干模型的情况下提高LLM在临床推理基准上的准确性。
AegisDx是一个面向安全的框架，它利用专门的LLM组件和验证门进行假设演绎临床推理，在医学病例报告上，将鉴别诊断准确率比单独的LLM提高了7-17个百分点。
提出MedExpMem，一个经验记忆框架，使医学视觉语言模型能够从过往病例中积累和检索具有鉴别性的诊断经验，在放射学基准上将鉴别诊断准确率最多提升7.0%。