Hx2Dx

新基准测试大语言模型在模拟患者问诊中的临床诊断能力

研究人员开发了 Hx2Dx ARENA，一个旨在评估大语言模型（LLMs）在对话式临床推理能力的新基准。该基准模拟了诊断的迭代过程，包括病史采集、体格检查和测试解读，使用了来自《新英格兰医学杂志》的 1000 个临床病例。初步评估表明，与一次性提供所有信息的静态评估相比，LLMs 在这种交互式环境中的表现明显较差，凸显了它们在假设驱动的信息收集和知道该问什么问题方面的局限性。