CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis

本文是LLM系列文章，针对《CoD, Towards an Interpretable Medical Agent using Chain of Diagnosis》的翻译。

摘要

随着大型语言模型（LLM）的出现，医学诊断领域发生了重大变革，但这些模型中可解释性的挑战在很大程度上仍未得到解决。本研究引入了诊断链（CoD），以提高基于LLM的医学诊断的可解释性。CoD将诊断过程转化为反映医生思维过程的诊断链，提供透明的推理途径。此外，CoD输出疾病置信度分布，以确保决策的透明度。这种可解释性使模型诊断变得可控，并通过置信度的熵降低来帮助识别关键症状以供查询。通过CoD，我们开发了DiagnosticsGPT，能够诊断9604种疾病。实验结果表明，DiagnosisGPT在诊断基准上优于其他LLM。此外，DiagnosisGPT提供了可解释性，同时确保了诊断严谨性的可控性。

1 引言

2 诊断问题定义

3 方法：诊断链

4 实验

5 更多分析

6 结论

在本文中，我们提出了诊断链（CoD）来提高大型语言模型（LLM）在疾病诊断中的可解释性。使用CoD，我们开发了DiagnosisGPT，这是一种支持9604种疾病诊断的LLM。与其他LLM不同，DiagnosisGPT可以提供诊断信心，并依靠自己的疾病数据库进行诊断推理。实验表明，Di