研究者提出LDTL序贯临床诊断轨迹学习框架
热点事件持续更新
研究者提出LDTL序贯临床诊断轨迹学习框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Shen等人发布论文，提出基于规划LLM智能体和诊断LLM智能体的LDTL（Latent Diagnostic Trajectory Learning）框架，将序贯临床诊断建模为显式的证据获取过程，把诊断动作序列视为潜在路径并引入后验分布以优先选择信息量更大的轨迹。 据论文报告，在MIMIC-CDM基准的序贯诊断场景下，该框架的诊断准确率超过现有基线，同时所需检查更少；消融实验显示轨迹级后验对齐是关键。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
基于不确定性引导的潜在诊断轨迹学习框架 LDTL 用于序贯临床诊断报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AI基于不确定性引导的潜在诊断轨迹学习框架 LDTL 用于序贯临床诊断
研究者提出 LDTL（Latent Diagnostic Trajectory Learning）框架，用规划 LLM 智能体和诊断 LLM 智能体将序贯临床诊断建模为显式的证据获取过程，把诊断动作序列视为潜在路径并引入后验分布优先选择信息量更大的轨迹。在 MIMIC-CDM 基准上，该框架在序贯诊断场景下的诊断准确率超过现有基线，同时所需检查更少；消融实验表明轨迹级后验对齐是关键。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。