Целью настоящего исследования является разработка автоматизированного метода дифференциального диагноза симптомов традиционной китайской медицины (ТКМ). Метод включает построение и обучение многозадачной модели встраивания текстов Instr-MT-TCM на основе экспертных знаний, синонимов терминов, дифференциальной диагностики и меток клинических случаев ТКМ. Далее пять экспертов с учёной степенью магистра и выше отобрали и аннотировали симптомы на реальных наборах данных клинических случаев для оценки F1-метрики сотрудничества Instr-MT-TCM с крупной языковой моделью (LLM) по сравнению с ручной разметкой. В заключение, верифицировав метод в клинических условиях, его применили к 48 реальным случаям рака предстательной железы. Модель Instr-MT-TCM продемонстрировала быстрое улучшение производительности на ранних этапах обучения с R@1 равным 0.848. Эксперты отобрали 1793 клинических случая, охватывающих 34 распространённые болезни и 66 синдромов. В задаче дифференциального диагноза LLM в сотрудничестве с Instr-MT-TCM достигли среднего F1 0.927, что значительно выше 0.512 при ручной разметке. В анализе симптомов 48 случаев рака предстательной железы преобладали патологические признаки огня (жара) и иньской недостаточности, с локализацией в мочевом пузыре и почках. Вывод: в исследовании впервые предложен и верифицирован инновационный автоматизированный метод дифференциального диагноза симптомов ТКМ на основе сотрудничества LLM и Instr-MT-TCM, показавший высокую точность (F1=0.927) и отличную обобщаемость на реальных данных, а также хорошие клинические перспективы при анализе рака предстательной железы. Метод предоставляет эффективную техническую поддержку и новое направление исследований в интеллектуальном анализе симптомов ТКМ.

дифференциальная диагностика симптомов;крупные языковые модели;текстовые встраивания