知识图谱增强检索生成用于眼科多模态大模型幻觉检测与缓解

Frontiers in Endocrinology · 2026-10-20 · 期刊论文

• 一句话结论：结论：该研究提示，知识图谱增强的检索生成与分层事实性评估可降低眼科多模态大语言模型的幻觉率，同时保持糖尿病视网膜病变分级表现，属方法学开发与基准评测，证据档位为C。
• 研究设计与做法：设计：构建含47832个医学实体与156294条语义关系的眼科临床知识图谱，采用双流架构，包括视觉-语义对齐模块与临床事实性锚定网络，并以分层事实性评分评估解剖、病理与临床建议准确性；在四个公开眼科影像基准上评测，材料未报告前瞻性临床样本量与随访。
• 主要结果：主要结果：与现有多模态医学大模型相比幻觉率降低42.2%；EyePACS上临床实体识别事实准确率91.6%；糖尿病视网膜病变分级敏感度89.6%、特异度92.1%，较MedRAG分别提高2.4%与2.7%；消融中去除知识图谱检索使EyePACS分层事实性评分下降9.4个百分点；关键证据召回率87.6%、病灶定位准确率89.2%，患者聚类队列敏感度88.9%。
• 机制或解释：机制或解释：作者认为以知识图谱检索锚定生成内容并结合分层事实性评估，可在保持诊断性能的同时抑制虚构病灶与可转诊病变误判。
• 局限与边界：局限与边界：评测基于公开影像基准与回顾性数据，缺乏真实临床流程验证；患者聚类队列仅为补充分析；模型部署成本与泛化性材料未报告；利益冲突材料未报告。
• 可否落地：可否落地：提示该方法在筛查场景中具有降低幻觉的潜力，证据档位为C；尚不足以下结论认为可替代临床诊断，需前瞻性多中心验证后方可考虑辅助应用。

🔗 打开原文

Ge Wu, Chong Ai, Weiqi Wu

本文摘自《每日前沿研究简报 · 2026-10-22》「信息科学」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。