SymptomWise
SymptomWise：透過決定論推理層解決醫療 AI 幻覺，提升診斷可靠性
針對生成式 AI 在醫療診斷中易產生幻覺的痛點，SymptomWise 框架將語言理解與診斷推理分開，利用決定論推理層來確保診斷結果的可追溯性與可靠性。在小兒神經科測試中，正確診斷出現在前五名的機率為 88%，有效降低了 AI 幻覺並提升了醫療 AI 的可靠性。
SymptomWise
針對生成式 AI 在醫療診斷中易產生幻覺的痛點，SymptomWise 框架將語言理解與診斷推理分開，利用決定論推理層來確保診斷結果的可追溯性與可靠性。在小兒神經科測試中，正確診斷出現在前五名的機率為 88%，有效降低了 AI 幻覺並提升了醫療 AI 的可靠性。
Dual-Stream Calibration
研究人員提出 DSC 雙流校準框架，解決 AI 在醫療診斷中僅能被動地參考外部知識，而無法針對單一個案地動態調整內部表示。透過語義與結構雙流校準，DSC 讓模型在推理時能將碎片化數據合成一個coherent response，在 13 個臨床數據集上表現優於現有主流框架。