Framework neuro-simbolico allinea i LLM con la logica fuzzy per una diagnosi spiegabile

Un recente articolo di ricerca introduce un framework di ragionamento neuro-simbolico che integra i grandi modelli linguistici (LLM) con la logica fuzzy formale, con l'obiettivo di facilitare diagnosi mediche spiegabili e verificabili. Questo framework incorpora narrazioni dei pazienti e linee guida cliniche in una base di conoscenza neurale, dove i LLM identificano entità mediche strutturate, relazioni temporali e pattern di sintomi fuzzy. Questi elementi vengono trasformati in una base di conoscenza simbolica utilizzando la logica fuzzy e regole dichiarative. Il processo di ragionamento avviene in due fasi: prima, generalizzazione simbolica induttiva per identificare pattern diagnostici dalle narrazioni, seguita dalla verifica dell'inferenza attraverso un motore di programmazione logica per derivare e confermare le diagnosi. Questo metodo affronta le sfide della verificabilità e interpretabilità nei LLM per il processo decisionale clinico, che spesso coinvolge il ragionamento con dati incompleti e imprecisi dei pazienti. L'articolo è disponibile su arXiv con l'identificatore 2605.25566.