ALLMTS：基于LLM的自动医疗分诊系统

让LLM执行临床指南而非直接分诊，可显著降低过度分诊。

资讯摘要

论文提出ALLMTS系统，不直接让大模型做分诊，而是让其执行护士使用的商业远程医疗指南：先选择对应指南，再逐条评估分诊问题，处置结果按首个阳性答案确定性得出。作者在566个经专家验证的合成场景上测试，报告准确率0.95，原始LLM基线为0.47；在公开的50场景子集上达0.98，与五名护士专家小组0.944的正确处置率相当，并将过度分诊率降至最多0.02。

要点速读

1. ALLMTS将LLM的语言理解与可执行的临床分诊指南结合，处置由指南遍历规则确定性决定。
2. 在566个合成专家验证场景上，ALLMTS准确率0.95，原始LLM基线0.47。
3. 在50场景公开基准子集上，ALLMTS准确率0.98，护士专家组正确处置率为0.944；基线过度分诊率最高0.50，ALLMTS最多0.02。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。