KERAP：マルチエージェントLLMを用いた知識グラフ強化型推論アプローチによる高精度ゼロショット診断予測

科学分野:

• 医療における人工知能
• 生物医学情報学
• 医療のための機械学習

背景:

• 医療診断予測のための機械学習（ML）モデルは、ラベル付きデータのコストにより一般化に苦労しています。
• 大規模言語モデル（LLM）は可能性を示していますが、幻覚や構造化された推論の欠如に悩まされています。
• 現在の方法は、信頼性が高くスケーラブルなゼロショット医療診断予測において限界に直面しています。

研究 の 目的:

• 知識グラフ（KG）強化型推論アプローチ（KERAP）を開発し、LLMベースの医療診断予測を改善すること。
• 医療におけるLLMの幻覚や構造化された推論の欠如といった課題に対処すること。
• ゼロショット診断予測のためのスケーラブルで解釈可能なソリューションを提供すること。

主な方法:

• 知識グラフとLLMを統合したマルチエージェントアーキテクチャであるKERAPを提案しました。
• 属性マッピングのためのリンケージエージェントと、構造化された知識抽出のためのリトリーバルエージェントを実装しました。
• 診断予測の反復的改善のための予測エージェントを利用しました。

主要な成果:

• KERAPは、ゼロショット医療診断予測において診断信頼性を向上させました。
• このアプローチは、LLMベースの診断ツールのパフォーマンスを効率的に向上させます。
• 実験結果は、提案されたフレームワークのスケーラビリティと解釈可能性を検証しました。

結論:

• KERAPは、LLMベースの医療診断予測を改善するための堅牢なソリューションを提供します。
• 知識グラフの統合は、幻覚や非構造化推論などのLLMの制限を軽減します。
• このフレームワークは、より信頼性が高く解釈可能なAI駆動型診断を通じて、個別化医療を進歩させます。