Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Автоматическая диагностическая консультация научилась выбирать следующий вопрос по тому, насколько система уверена в возможных диагнозах. Хотя работу ещё не рецензировали и числа получили сами авторы, ConsultMind повысила точность первого диагноза до 22,15 процентного пункта, а попадание правильного диагноза в первые три — до 37,89 пункта. Для разработки таких систем это аргумент в пользу отдельного вероятностного контура, который хранит состояние консультации, вместо передачи всей логики одной LLM.
AutoDisym превращает клинические тексты в сеть диагнозов и симптомов
ConsultMind опирается не только на историю диалога. Перед запуском консультации AutoDisym строит байесовскую сеть диагнозов и симптомов, сокращённо DSBN. Она связывает каждый возможный диагноз с симптомами и хранит вероятность разных проявлений симптома при этом диагнозе.
Для построения сети нужны два источника. Первый — формализованные медицинские знания: диагностические критерии ICD-11, клинические рекомендации и экспертные соглашения. Второй — клинические тексты с известным итоговым диагнозом: диалоги, электронные медицинские карты и описания случаев.
Сначала отдельный агент извлекает из медицинских знаний канонические симптомы и допустимые проявления. Например, система должна свести разные формулировки одной жалобы к общей переменной, но сохранить различия между её состояниями.
Другой агент разбирает клинические тексты и сопоставляет найденные упоминания с этой схемой. Явное отрицание симптома становится состоянием «отсутствует», а симптом, о котором ничего не сказано, остаётся ненаблюдаемым. Такое различие не позволяет принять нехватку сведений за отрицательный ответ.
Если надёжного соответствия нет, агент воздерживается от решения. Повторяющиеся несопоставленные наблюдения проверяет ещё один агент: он находит подтверждение в рекомендациях и соглашениях, после чего добавляет новое проявление или симптом в схему. Затем AutoDisym оценивает вероятности по размеченным клиническим случаям.
В сравнении с прямым извлечением через LLM и вариантом с поисковой выдачей медицинских материалов AutoDisym точнее воспроизвела эталонные схемы, которые составили специалисты. Значит, сеть можно обновлять по корпусу, а не поддерживать целиком вручную, хотя экспертная проверка структуры всё равно остаётся частью безопасного процесса.
Неопределённость определяет следующий шаг консультации
После каждого ответа ConsultMind переводит свободный текст пациента в состояние канонического симптома. Только надёжно сопоставленный ответ меняет вероятности диагнозов. Если модуль не может обосновать сопоставление, вероятностное состояние остаётся прежним.
Байесовская сеть пересчитывает апостериорное распределение — вероятности диагнозов с учётом уже собранных сведений. Система также вычисляет энтропию: чем она выше, тем меньше один диагноз выделяется среди остальных и тем больше остаётся неопределённости.
Следующий вопрос выбирает одна из трёх стратегий. Исследование ищет симптом, характерный хотя бы для одного из ведущих диагнозов. Различение выбирает симптом, по которому конкурирующие диагнозы сильнее всего расходятся. Подтверждение собирает дополнительные признаки в пользу текущего лидера.
LLM получает выбранный симптом и формулирует понятный пациенту вопрос. Она отвечает за язык, но не выбирает цель произвольно. Консультация заканчивается, когда неопределённость становится достаточно низкой, перестаёт снижаться, заканчиваются доступные симптомы или достигается предел ходов.
Такое разделение упрощает разбор ошибок. Разработчик может отдельно проверить, как ответ сопоставили с симптомом, почему изменилась вероятность диагноза и по какому правилу выбрали новый вопрос. В обычной сквозной LLM-консультации эти решения остаются внутри сгенерированного рассуждения.
Архитектура заслуживает прототипа, но не меняет требования к клинической проверке
ConsultMind улучшила результат во всех 21 сочетании модели и медицинского направления по сравнению с прямым запросом к LLM. Она также обошла вариант, где модели через RAG выдавали диагностические критерии и рекомендации. На внешних наборах улучшение сохранилось во всех девяти сочетаниях модели и датасета.
Врачи отдельно оценивали объяснения для правильно поставленных диагнозов. У Llama-3.1-8B средняя оценка выросла с 2,30 до 3,74 по пятибалльной шкале. Они проверяли объяснение позиции диагноза, дифференциальный диагноз и обоснование итогового решения.
Сети для психиатрии, респираторной медицины и лихорадочных состояний построили по 14 541 случаю. Основная проверка охватила 990 отдельных случаев с 78 диагнозами; переносимость дополнительно проверили на MentalHospital, MedSP1000 и AIHospital.
Диалоги проводили не с реальными пациентами, а с виртуальными стандартизированными пациентами, которые отвечали по структурированной медицинской записи. Независимая модель проверяла, подтверждает ли запись каждый ответ, и отправляла неподтверждённые ответы на исправление. Поэтому работа показывает качество архитектуры в контролируемом сценарии, а не готовность к самостоятельному клиническому применению.
Для команд практический вывод состоит не в выборе конкретной LLM. Сильнее влияет устройство контура: отдельная схема симптомов, явное вероятностное состояние, отказ от сомнительного сопоставления и проверяемое правило выбора вопроса. Такой прототип потребует размеченных клинических текстов для своей предметной области и процесса экспертной проверки схемы, но позволит заменять языковую модель без перестройки всей диагностической логики.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
