臨床医のように考える：パノラマ・プロファイリングと敵対的討論による臨床診断の認知AIエージェント（DxChain）

Abstract

大規模言語モデル（LLM）を臨床意思決定支援に適用することには、「トンネルビジョン」や、非構造化された電子健康記録（EHR）の処理において生じる診断ハルシネーションといった重大な課題があります。これらの課題に対処するため、私たちはDxChainと呼ぶ新しいチェーンベースの臨床推論フレームワークを提案します。DxChainは、診断ワークフローを反復プロセスへと変換し、さらに「記憶のアンカー（Memory Anchoring）」「ナビゲーション（Navigation）」「検証（Verification）」から成る臨床医の認知的軌跡を模倣することで実現します。DxChainは、LLMの潜在力を引き出すための3つの主要な方法論的革新を導入します。（i）患者の俯瞰的なベースラインを確立することで、コールドスタート時のハルシネーションを軽減するための「Profile-Then-Plan」パラダイム、（ii）戦略的な先読み計画とリソースを意識したナビゲーションのための「Medical Tree-of-Thoughts（Med-ToT）」アルゴリズム、（iii）「エンジェル（Angel）／デビル（Devil）」による敵対的な議論を用いて、複雑なエビデンスの矛盾を解消する「弁証法的診断検証」手順です。2つの実世界ベンチマーク、MIMIC-IV-Ext 心疾患および MIMIC-IV-Ext CDM で評価したところ、DxChainは診断精度と論理的一貫性の両方において最先端の性能を達成し、次世代の臨床AIのためのモジュール化され信頼性の高いアーキテクチャを提供します。コードは https://anonymous.4open.science/r/Dx-Chain にあります。