臨床診断プロセスにLLMの推論を適合させるための階層的エージェント内省

科学分野:

• 医療における人工知能
• 臨床意思決定支援システム
• 自然言語処理

背景:

• 従来の診断モデルは透明性が欠如しており、臨床医の推論を再現できません。
• AI診断出力の解釈と正当化は、依然として大きな課題です。

研究 の 目的:

• 診断推論を捉える臨床メモを生成する方法を開発すること。
• 人間の段階的な診断プロセスを模倣するように大規模言語モデル（LLM）をトレーニングすること。
• AI支援医療診断の透明性と解釈可能性を高めること。

主な方法:

• 詳細な臨床メモを生成するために、階層的なエージェント内省メカニズムが導入されました。
• これらのメモは、専門エージェントによって処理される診断プロセスを段階的に分解します。
• これらの臨床医を模倣したメモでLLMがトレーニングされました。

主要な成果:

• 提案手法でトレーニングされたモデルは、診断タスクにおいて、汎用およびドメイン固有のLLMを上回りました。
• このアプローチは、AIの推論と人間の臨床実践との連携を成功させました。
• 生成された臨床メモは、精度と信頼性を向上させました。

結論:

• この新しい手法は、AIにおける診断の透明性と解釈可能性を高めます。
• このアプローチは、AI支援の臨床的意思決定に価値あるツールを提供します。
• 臨床医の推論を模倣することは、AIの診断パフォーマンスと信頼性を向上させます。