MultiDx：診断推論に向けた多ソース知識統合フレームワーク

要旨: 診断予測および臨床推論は、ヘルスケア応用において重要なタスクである。大規模言語モデル（LLM）は常識推論において強力な能力を示している一方で、ドメイン知識が限定的であるため、診断推論では依然として困難を抱えている。既存のアプローチはしばしば、内部モデルの知識や静的な知識ベースに依存しており、その結果、知識不足と適応性の制限が生じ、診断推論を実行する能力が妨げられる。さらに、これらの手法は最終予測の正確性にのみ焦点を当てており、標準的な臨床推論の軌跡との整合性を見落としている。そこで本研究では、複数の知識ソースから収集された証拠を分析することで鑑別診断を行う、二段階の診断推論フレームワークであるMultiDxを提案する。具体的には、まずウェブ検索、SOAP形式のケース、臨床ケースデータベースの知識を活用して、疑わしい診断と推論経路を生成する。次に、マッチング、投票、および鑑別診断によって多視点の証拠を統合し、最終予測を生成する。~2つの公開ベンチマークにおける大規模な実験により、本手法の有効性が示されている。