英文原文 PDF

这篇文章和之前的文章有几个共同点:

  1. 分诊选专家
  2. 多轮讨论 + 共识/投票
  3. 角色分工(专科 + 主持人)
  4. 共享池/可见上下文

系统脉络图

image-20261006190820720

存储正确答案知识库的存储格式

image-20261012185846043

存储错误答案知识库的存储格式

image-20261012185909778

具体实现流程

算法一:多轮医学讨论

image-20261012161248728

符号 含义
C 病例相关信息(患者背景)
Q 患者提出的医学问题
S{i,k} 第 i轮中第 k个专科医生的回答
Si 第 i轮所有专科医生回答的集合
$S_i^4$ Lead Physician 对第 i 轮讨论进行整理后得到的结构化结果
f(C,Q) 专科医生根据病例和医学问题生成回答的过程
H Historical Shared Pool,即历史共享信息池
R 最大讨论轮数

算法二:如何评估结果、积累经验,并把历史经验用于后续会诊。

image-20261012193834079

名词解释

  • R:最终会诊结果。
  • Valid(R):判断最终结果是否正确。
  • CoT_Reviewer:负责提取、整理会诊经验的审查代理。
  • $S_{final}^4$:最后一轮会诊经过 Lead Physician 整理的四类结构化信息。
  • CorrectKB:正确答案知识库。

步骤二的提示词工程

  1. 首先计算了相似度:比较当前病例 B 和知识库中历史经验的相似程度。(相似度高不等于医学结论正确。 它只用于检索候选经验。)

  2. 选出 Top-K的相速度最高的记录

  3. 取回它们保存的诊断结论、分析过程或错误反思。

  4. 系统拿到了三条历史经验之后,将它们组织成适合专家阅读的提示词。

    例如,原本给专家的提示词可能只有:

    请分析患者的病例信息,给出诊断建议和依据。

    加入检索经验后,可以形成类似下面的提示词:

    请分析当前患者的病例信息,并给出诊断建议和依据。参考以下历史经验:综合考虑病史、影像和实验室检查;注意区分症状相似但检查结果不同的疾病;避免忽略可能改变诊断结论的关键检查。

    Enhance(P) 不等于训练模型,也不等于直接让系统照搬旧病例的结论。它是把检索到的经验整合到本次会诊使用的提示词中。也就是本来提示词100个字,经过enhance函数之后,并没有把这100个字变得更精辟使ai更容易理解。而是把100变成200个字来使ai更容易理解

    或许做提示词的优化会更好一点,因为提示词肯定会越积越多,导致上下文过长

测试集

数据集 主要内容 用途
MedQA 医学考试风格的选择题,选项通常为 4 个或 5 个 训练集用于积累会诊经验;测试集用于评估医学知识与临床推理能力
PubMedQA 基于生物医学研究论文摘要的问答,答案为 Yes / No / Maybe 训练集用于积累会诊经验;测试集用于评估生物医学文献问答能力

补充细节

论文最后给了许多提示词的模板

image-20261012195705562