【AAAI2022】Diaformer: 采用症状序列生成的方式做自动诊断

自动诊断是智能医学应用领域的一个重要方向，其多阶段的症状选择询问和疾病诊断推理的难题依旧是目前的巨大挑战。当前大多数工作使用强化学习方法，并将自动诊断视为一个策略优化问题，从而存在学习效率低和 Reward 函数难以确定等问题。

针对以上问题，本文哈尔滨工业大学深圳智能计算研究中心的李东方、陈俊颖分享了他们的工作“Diaformer”。

论文链接：

该工作将自动诊断形式化为序列生成任务，提出了一个症状注意力生成架构去直接学习症状询问选择和疾病诊断之间的潜在关联，并提出三种无序训练机制来有效减小序列生成的有序性与患者症状本身的无序性偏差；实验结果表明，Diaformer 模型在三个公开自动诊断数据集上都取得了目前最好的结果，并且有着更高的学习效率。

Diaformer，它包含了两个部分，第一是症状注意力框架，它采用序列生成的方法实现自动诊断，第二是无序的训练机制，它是用于减小序列生成的有序性和隐性症状本身无序性的偏差。