"Meu nariz está escorrendo." "Você também está tossindo?": Construindo um Agente de Diagnóstico Médico com Lógicas de Inquérito Interpretabis

Com o aumento da telemedicina, a tarefa de desenvolver Sistemas de Diálogo para Diagnóstico Médico (DSMD) recebeu muita atenção nos últimos anos. Diferente das pesquisas anteriores que precisavam se apoiar em recursos humanos e expertise adicionais para construir o sistema, pesquisas recentes se concentraram em como construir DSMD de maneira orientada por dados. No entanto, os métodos DSMD orientados por dados anteriores ignoraram amplamente a interpretabilidade do sistema, que é crítica para uma aplicação médica, e também sofreram com a questão da escassez de dados ao mesmo tempo. Neste artigo, exploramos como trazer interpretabilidade para DSMD orientado por dados. Especificamente, propomos um processo de decisão mais interpretável para implementar o gerenciador de diálogo do DSMD, imitando razoavelmente as lógicas de inquérito de médicos reais, e elaboramos um modelo com componentes altamente transparentes para conduzir a inferência. Além disso, coletamos um novo conjunto de dados DSMD, que tem uma escala muito maior, padrões mais diversos e é de qualidade superior em relação aos existentes. Os experimentos mostram que nosso método obtém melhorias absolutas de 7,7%, 10,0% e 3,0% na precisão do diagnóstico respectivamente em três conjuntos de dados, demonstrando a eficácia de seu processo de decisão racional e design do modelo. Nossos códigos e o conjunto de dados GMD-12 estão disponíveis em https://github.com/lwgkzl/BR-Agent.