論文の概要: DiagLink: A Dual-User Diagnostic Assistance System by Synergizing Experts with LLMs and Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2601.20311v1
- Date: Wed, 28 Jan 2026 07:02:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-29 15:46:06.811136
- Title: DiagLink: A Dual-User Diagnostic Assistance System by Synergizing Experts with LLMs and Knowledge Graphs
- Title（参考訳）: DiagLink: LLMと知識グラフを融合したデュアルユーザ診断支援システム
- Authors: Zihan Zhou, Yinan Liu, Yuyang Xie, Bin Wang, Xiaochun Yang, Zezheng Feng,
- Abstract要約: DiagLinkは、大きな言語モデル(LLM)、知識グラフ(KG)、医療専門家を相乗して患者と医師の両方をサポートする、二重ユーザ診断支援システムである。
このシステムは、ロール適応インタフェース、動的に視覚化された履歴、そして信頼性とユーザビリティの両方を改善するために統合されたマルチソースエビデンスを提供する。
- 参考スコア（独自算出の注目度）: 11.1777167450406
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The global shortage and uneven distribution of medical expertise continue to hinder equitable access to accurate diagnostic care. While existing intelligent diagnostic system have shown promise, most struggle with dual-user interaction, and dynamic knowledge integration -- limiting their real-world applicability. In this study, we present DiagLink, a dual-user diagnostic assistance system that synergizes large language models (LLMs), knowledge graphs (KGs), and medical experts to support both patients and physicians. DiagLink uses guided dialogues to elicit patient histories, leverages LLMs and KGs for collaborative reasoning, and incorporates physician oversight for continuous knowledge validation and evolution. The system provides a role-adaptive interface, dynamically visualized history, and unified multi-source evidence to improve both trust and usability. We evaluate DiagLink through user study, use cases and expert interviews, demonstrating its effectiveness in improving user satisfaction and diagnostic efficiency, while offering insights for the design of future AI-assisted diagnostic systems.
- Abstract（参考訳）: 世界中の医療専門知識の不足と不均一な分布は、正確な診断医療への公平なアクセスを妨げ続けている。
既存のインテリジェントな診断システムは将来性を示しているが、ほとんどの場合、デュアルユーザインタラクションと動的知識統合に苦戦し、現実の応用性を制限している。
本研究では,大言語モデル(LLM),知識グラフ(KG),医療専門家を相乗化する二重ユーザ診断支援システムであるDiagLinkについて紹介する。
DiagLinkは、患者の歴史を引き出すためにガイド付き対話を使用し、共同推論にLLMとKGを活用し、継続的な知識の検証と進化のために医師の監督を取り入れている。
このシステムは、ロール適応インタフェース、動的に視覚化された履歴、そして信頼性とユーザビリティの両方を改善するために統合されたマルチソースエビデンスを提供する。
ユーザスタディ、ユースケース、専門家インタビューを通じてDiagLinkを評価し、ユーザ満足度と診断効率を向上させるとともに、将来のAI支援診断システムの設計に関する洞察を提供する。
関連論文リスト
- Automated Construction of Medical Indicator Knowledge Graphs Using Retrieval Augmented Large Language Models [8.095858876360577]
本稿では,検索拡張生成(RAG)と大規模言語モデル(LLM)を組み合わせて医療指標知識グラフを構築する自動フレームワークを提案する。
得られた知識グラフは、インテリジェントな診断と質問応答システムに統合することができる。
論文 参考訳（メタデータ） (2025-11-17T16:00:42Z) - RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。
RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文 参考訳（メタデータ） (2025-09-24T10:36:14Z) - End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。
Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。
実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-08-21T17:42:47Z) - Visual-Conversational Interface for Evidence-Based Explanation of Diabetes Risk Prediction [1.8538021146309331]
本稿では,対話型ビジュアライゼーションと対話型エージェントを組み合わせて糖尿病リスク評価を説明する統合型意思決定支援システムを提案する。
我々は30人の医療従事者を対象に混合手法による研究を行い、対話的な相互作用が、医療従事者がモデルアセスメントを明確に理解するのに役立ったことを発見した。
論文 参考訳（メタデータ） (2025-06-25T14:56:20Z) - RuleAlign: Making Large Language Models Better Physicians with Diagnostic Rule Alignment [54.91736546490813]
本稿では,大規模言語モデルと特定の診断規則との整合性を考慮したルールアラインフレームワークを提案する。
患者と医師間の規則に基づくコミュニケーションを含む医療対話データセットを開発した。
実験の結果,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-08-22T17:44:40Z) - Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。
実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
論文 参考訳（メタデータ） (2024-04-04T06:16:35Z) - AI Hospital: Benchmarking Large Language Models in a Multi-agent Medical Interaction Simulator [69.51568871044454]
我々は,emphDoctorをプレイヤとして,NPC間の動的医療相互作用をシミュレーションするフレームワークであるtextbfAI Hospitalを紹介した。
この設定は臨床シナリオにおけるLCMの現実的な評価を可能にする。
高品質な中国の医療記録とNPCを利用したマルチビュー医療評価ベンチマークを開発した。
論文 参考訳（メタデータ） (2024-02-15T06:46:48Z) - Towards the Identifiability and Explainability for Personalized Learner
Modeling: An Inductive Paradigm [36.60917255464867]
本稿では,エンコーダ・デコーダモデルにインスパイアされた新しい応答効率応答パラダイムに基づく,識別可能な認知診断フレームワークを提案する。
診断精度を損なうことなく,ID-CDFが効果的に対処できることが示唆された。
論文 参考訳（メタデータ） (2023-09-01T07:18:02Z) - Leveraging Medical Knowledge Graphs Into Large Language Models for Diagnosis Prediction: Design and Application Study [6.10474409373543]
自動診断におけるLarge Language Models (LLMs) の習熟度を高めるための革新的なアプローチを提案する。
我々は,国立医科大学統一医療言語システム(UMLS)からKGを抽出した。
我々のアプローチは説明可能な診断経路を提供し、AIによる診断決定支援システムの実現に近づいている。
論文 参考訳（メタデータ） (2023-08-28T06:05:18Z) - ChatCAD+: Towards a Universal and Reliable Interactive CAD using LLMs [48.11532667875847]
ChatCAD+は高品質な医療レポートを生成し、信頼できる医療アドバイスを提供するツールである。
信頼性レポート生成モジュールは、医療画像を解釈し、高品質な医療レポートを生成することができる。
Reliable Interactionモジュールは、信頼できる医療アドバイスを提供するために、信頼できる医療ウェブサイトからの最新の情報を活用する。
論文 参考訳（メタデータ） (2023-05-25T12:03:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。