DiagLink：通过协同大型语言模型与知识图谱赋能双用户诊断辅助系统

文献标题

DiagLink: A Dual-User Diagnostic Assistance System by Synergizing Experts with LLMs and Knowledge Graphs

出版信息

• 主题领域: 集成LLMs、知识图谱（KGs）和专家反馈的AI辅助诊断系统。
• 关键词: 诊断辅助，大型语言模型，知识图谱，人机协作，医疗AI，患者-医生协作，引导式对话，证据可视化，临床决策支持，持续知识演进。

背景与问题

• 问题/挑战: 现有的诊断系统缺乏双用户交互、动态知识整合以及能够有效结合患者和医生需求的端到端工作流程。这些系统通常依赖静态知识图谱，无法融入持续的专家反馈，限制了其在实际场景中的适用性。
• 重要性: 解决这些问题可以提高诊断效率，减少沟通负担，并改善医疗资源有限地区的医疗服务可及性。
• 动机与相关工作: 之前的研究探索了临床决策支持系统（CDSSs）、基于知识图谱的推理以及用于医疗任务的大型语言模型（LLMs）。然而，这些方法通常专注于孤立的子任务，缺乏可解释性，并未将不断演进的医学知识或专家验证整合到统一框架中。

解决方案

• 提出的方法: DiagLink 是一个双用户诊断辅助系统，通过结合LLMs、KGs和医学专家支持患者和医生，提供引导式对话、协作推理和持续的知识图谱演进。
• 创新点:
  1. 支持患者和医生的双用户交互系统，具有角色自适应界面。
  2. 整合LLMs、KGs和专家反馈的闭环推理框架，实现持续的知识演进。
  3. 多源证据的统一呈现，增强可解释性并降低认知负担。
  4. 针对优化诊断工作流程和信任设计的可视化与交互功能。
• 流程与关键技术:
  1. 病史采集: 通过引导式对话将患者输入转化为半结构化记录。
  2. 协作诊断: LLMs生成初步诊断，KGs通过结构化推理进行优化，专家验证并更新KG。
  3. 证据呈现: 将多源证据（文本、图形和基于推理的）整合到一个统一界面供医生使用。
  4. 专家参与: 专家迭代审查和完善KG内容，确保知识的持续改进。

结果

• 具体发现:
  • DiagLink 在患者满意度方面表现出显著提升，包括情感支持（+1.08）、理解（+0.75）和复诊意愿（+1.42）（基于5分Likert量表）。
  • 医生的工作负担显著降低（NASA-TLX评分从12.46降至6.75），诊断时间从18.6分钟减少至7.8分钟。
  • 诊断准确性提升，Top-1正确诊断从7例增加到9例，Top-3从9例增加到11例（共12例）。
  • 不安全建议率为0%，且未观察到显著的锚定效应。
• 相较基线的优势:
  • 在患者满意度、医生工作负担和诊断准确性方面优于基线A（基于文本的界面）。
  • 在安全性方面与基线B（延迟诊断预测）相当，同时保持了效率。
• 实验/评估:
  • 在12个临床场景中，针对12名模拟患者和12名医生进行了对照用户研究。
  • 评估了患者满意度、医生工作负担（NASA-TLX）、诊断准确性和安全性指标。
  • 专家访谈和案例研究验证了系统的可用性和临床相关性。
• 局限性与未来工作:
  • 仅限于非急诊的成人内科病例；未评估低文化水平或辅助技术用户的可用性。
  • 尚未探索实际部署和长期知识图谱演进的效果。
  • 未来计划包括多模态界面、更广泛的临床领域以及实际场景评估。

总结

DiagLink 是一个整合LLMs、KGs和专家反馈的双用户诊断系统，通过引导式对话、基于证据的推理和持续的知识图谱演进，优化了患者和医生的诊断工作流程。该系统通过用户研究和专家访谈验证，显示出改善医疗服务可及性和公平性的潜力。未来工作将致力于扩展其应用范围并提升其在实际场景中的适用性。