ProAI: Proactive Multi-Agent Conversational AI with Structured Knowledge Base for Psychiatric Diagnosis
作者: Yuqi Wu, Guangya Wan, Jingjing Li, Shengming Zhao, Lingfeng Ma, Tianyi Ye, Ion Pop, Yanbo Zhang, Jie Chen
发布时间: 2025-03-03
来源: arxiv
研究方向: 人工智能在精神病学诊断中的应用，特别是基于大型语言模型（LLM）的主动对话式AI系统
主要内容
本文提出了一种名为ProAI的主动对话式AI框架，用于精神病学诊断。该框架结合了结构化知识库、多智能体主动推理和全方位评估策略，使LLM能够进行类似临床医生的诊断推理，而不仅仅是简单的响应生成。
主要贡献
1. 开发了一个多智能体系统，其中专门的智能体协同工作以促进主动诊断。
2. 引入了一种结构化知识引导的记忆架构，该架构结合了长期领域知识和短期上下文对话信息来指导诊断推理。
3. 提出了一种全方位评估策略，包括诊断准确性和患者体验，通过模拟患者互动、用户体验评估和专业临床验证来实现。
4. 在精神疾病鉴别诊断中实现了超过80%的诊断准确率，同时保持了专业和同理心互动标准。
研究方法
1. 多智能体主动推理：开发了一个多智能体系统，其中专门的智能体协同工作以促进主动诊断，包括问题生成智能体、上下文理解智能体和动作转换智能体。
2. 结构化知识引导的记忆：引入了长期记忆来存储结构化领域知识，以及短期记忆来收集上下文信息，检索相关诊断知识，并动态指导提问。
3. 全方位评估策略：该框架整合了客观和主观评估指标，评估诊断准确性、对话效率、感知的有用性和医学专业性。
4. 模拟患者互动：使用LLM智能体模拟患者互动，以评估诊断性能。
5. 用户体验评估：通过用户评估来评估用户体验。
6. 医生评估：通过医生评估来确保诊断决策基于严格的医学推理。
实验结果
ProAI在精神疾病鉴别诊断中实现了超过80%的诊断准确率，同时保持了专业和同理心互动标准。结构化知识集成和专门智能体角色代表了开发更可靠和同理心的人工智能辅助诊断系统的有希望的方向。
未来工作
将ProAI框架扩展到更广泛的疾病和更多样化的任务；进行更广泛的临床试验，以验证系统的实际效用；通过知识提取技术的未来开发自动构建诊断领域的知识图。