AI-rendszer teszi átláthatóbbá a hagyományos kínai orvoslást — 32%-kal csökkenti a hibákat

Egy új, tudásalapú vizuális diagnosztikai rendszer javítja a hagyományos kínai orvoslás (HKO) átláthatóságát és értelmezhetőségét. A kutatók célja az átláthatatlan érvelési folyamatok és a korlátozott kezelési tervek bemutatásának javítása volt.

Tudásgráffal és LLM-ekkel a pontosabb diagnózisért

A rendszer egy Neo4j tudásgráfon alapul, amely 241 szindrómát, 1263 tünetet és 2485 összefüggést tartalmaz. A négylépcsős tünetillesztési folyamat magában foglalja az LLM-ek általi ellenőrzést is. Az információ-nyereség alapú proaktív kérdezési stratégia genetikai algoritmusokkal optimalizált, és multimodális kezelési bemutatást integrál, amely mesterséges intelligencia által generált illusztrációkat, háromdimenziós meridián-akupunktúrás modelleket és bizonyítékokon alapuló szakirodalmat foglal magában.

Kapcsolódó: Vizuális érvelés fejlesztése

Eredmények és validáció

A tudásgráfon belüli korlátozások 32%-kal csökkentették a nem szabványos kimeneteket. A 30 esettanulmányon végzett automatizált összehasonlító értékelés kimutatta, hogy a diagnosztikai bizalom jelentősen javult (Cohen's d = 1.82, p < 0.001), a kognitív terhelés csökkent, és a bizonyítékokon alapuló hivatkozások hitelessége is magasabb lett (4.21 a 2.95-höz képest).

Kapcsolódó: Orvosi LLM-ek hiányosságai

Jövőbeli kilátások

A kutatók szerint a javasolt rendszer a hagyományos kínai orvoslás diagnosztikai érvelésének átláthatóságát és a kezelési tervek értelmezhetőségét javítja a tudásgráfon alapuló vizualizáció és a multimodális interakció révén. Az arXiv előnyomtatott formában közzétett tanulmánya szerint a rendszer gyakorlati megoldást kínál a megbízható mesterséges intelligencia-alapú HKO-alkalmazásokhoz.

Kapcsolódó: Fogászati diagnosztika