BoneGraph: A Domain-Specialised, Self-Correcting Reasoning System for Bone Science Retrieval, Grounded Inference, and Image Mechanics
BoneGraph 是一个本地部署的骨科学领域专业化系统，它通过统一的精选检索、具备物理与知识图谱约束的自我修正推理，以及多模态视觉力学能力，旨在克服通用大语言模型在合成可靠、基于证据的科学知识方面的局限性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
人类的骨骼远不止是一个维持我们直立的静态支架；它是一个活生生的、会呼吸的结构，能够不断适应施加在其上的力量。当我们行走、奔跑或举重时，我们的骨骼会承受无形的压力，这些压力可以增强骨骼，或者如果负荷过大或骨骼过弱，则会导致其断裂。理解这种微妙的平衡需要来自多个领域的知识：生物学用于观察骨细胞如何生长，材料科学用于理解骨组织如何抵抗破碎，以及物理学用于精确计算特定骨骼在失效前能承受多少力。对于研究人员和医生来说，挑战始终在于这些知识散落在数以千计的科学论文中，且使用了晦涩的技术语言。试图寻找关于骨骼为何折断或如何愈合的具体答案，往往意味着要从堆积如山的文本中进行筛选，只为寻找那一句至关重要的文字。
为了解决这个问题，一个研究小组开发了一种专门为骨科学设计的全新数字助手。他们将其命名为 BoneGraph。它并不试图成为各领域的全才，而是一个专家系统，它阅读并记忆了一个由近 7,500 篇关于骨骼的完整科学论文和教科书组成的精选集。它不仅仅是根据以往见过的内容来猜测答案；它的行为就像一位严谨的图书管理员，寻找支持答案的准确段落，引用该段落，然后根据物理定律对事实进行复核。该系统旨在实现透明化和可纠错性，这意味着如果用户指出一个错误，系统会学习该特定的修正，并将其记入该用户未来的所有问题中，从而确保在处理该用户的上下文时不再犯同样的错误。
研究人员创建这个工具是因为标准的人工智能虽然擅长撰写流畅的文本，但在高度专业化的科学领域往往表现不佳。这些通用模型可能会听起来很有信心，但实际上却是错误的，而且由于其知识被锁定在内部代码中，它们无法被轻易纠正。BoneGraph 通过将“寻找信息”与“对信息进行推理”分离来避免这一问题。它通过五个不同的工具（或称“标签页”）协同工作。第一个是搜索引擎，用于从庞大的论文集中寻找相关的文本段落。第二个是聊天界面，利用这些段落来回答问题，并始终向用户展示信息的来源。第三个是推理引擎，它作为一个自我纠错的循环。当它生成答案时，系统的另一部分会根据八条不可更改的物理规则对其进行检查，例如已知的骨组织强度或骨密度与承重能力之间的关系。如果答案违反了这些物理定律，系统会拒绝该答案并重新尝试。
该系统的一个独特之处在于它能够直接向人类专家学习。如果用户不同意某个答案，他们可以输入修正意见。系统随后会将该修正转换为一条永久规则，适用于该特定用户未来的所有问题。这意味着系统不需要由工程师进行重新训练或更新；它通过与用户的互动而进化。该工具还包含一个视觉组件，可以查看骨骼的医学图像（如 X 光片），并识别显示的是身体的哪个部位。它设计得非常谨慎，如果图像模糊或超出其训练范围，它会拒绝进行猜测，并且它可以记住用户之前的修正，以避免在类似的图像上重复错误。最后，还有一个力学标签页，仅通过观察单张图像即可预测骨骼在压力下的变形情况，而这项任务通常需要复杂的、耗时的计算机模拟。
团队测试了该系统的运行效果。他们发现，在搜索特定信息时，系统的准确性极高，几乎每次都能在庞大的论文库中找到正确的段落。当测试其回答需要从论文中提取数字并进行计算的复杂问题的能力时，如果被迫使用正确的文本段落，系统的表现显著提升。如果没有文本支持，其正确率仅为 42%；而在提供正确段落的情况下，准确率跃升至 78%。该系统在识别 X 光图像中的骨骼方面也证明了其有效性，在测试案例中正确命名身体部位的比例超过 92%。然而，研究人员谨慎地指出，虽然该系统是一个强大的研究和教育工具，但它目前还不是供医生用于患者诊断的医疗器械。
让 BoneGraph 真正与众不同的是它对“可审计”和“可信赖”的承诺。它提出的每一个主张都有具体的引用支持，它遵循的每一条规则都是可见且可编辑的。该系统完全在本地硬件上运行，这意味着它不会将敏感数据发送到外部服务器，并且它被构建为可以轻松适配到其他科学领域。通过将深厚的专业知识库、严格的物理检查机制以及人类纠错机制相结合，研究人员创造了一个不仅是在模仿智能，而且是在支持骨科学所需的严谨、循证思维的系统。它代表了迈向这样一个未来的步伐：在那里，复杂的科学知识不仅是可获得的，而且是可验证的，并通过人机协作不断改进。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。