智能AI
morning
RareDxR1:超越人类注释的罕见疾病诊断自主医学推理
2026-07-02
1 阅读
约1分钟阅读
Deyang Jiang, Haoran Wu, Ziyi Wang, Yiming Rong, Yunlong Zhao, Ye Jin, Bo Xu
字号:
arXiv:2607.00147v1 公告类型:新 摘要:罕见病鉴别诊断是一项关键而艰巨的临床任务,要求医生从复杂、非结构化的患者症状中识别精确的表型,并在广阔的搜索空间中执行复杂的推理。然而,现有的人工智能方法通常依赖于基于管道的表型提取或检索增强生成,这些方法由于预定义的本体、检索瓶颈和缺乏诊断逻辑而遭受关键信息丢失。为了应对这些挑战,我们引入了 RareDxR1,这是一种以端到端推理为中心的大语言模型,专为直接从非结构化临床记录进行开放域罕见病诊断而设计。我们通过将知识内化与自主进化学习相结合,设计了一个渐进的端到端训练框架,从而绕过了对结构化表型和封闭集决策的依赖。为了克服 RAG 和表型限制的局限性,我们将零散的罕见疾病知识直接深度内化到模型参数中。此外,为了弥合模型生成和专家推理之间的差距,我们提出了反射增强推理采样(RERS),这是一种通过从失败中学习而无需人工注释来合成专家级诊断轨迹的策略。此外,我们提出了一种双级课程强化学习方法,以逐步掌握罕见疾病诊断。实验结果表明,RareDxR1 在不同基准上实现了最先进的准确性,标志着开放域罕见病诊断的重大突破。我们的代码和数据集将公开。
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱