Pesquisadores propõem o Alinhamento Neurosimbólico, um framework de treinamento que acopla um LLM clínico de 7B a um Modelo do Mundo Fisiológico baseado em HGNN para melhorar a segurança no raciocínio clínico generativo. O método utiliza conhecimento fisiológico estruturado de um grafo de conhecimento biomédico com 847K nós para pontuar respostas candidatas e impulsionar atualizações iterativas de ORPO on-policy.

  • Melhora o Benchmark de Segurança Clínica (CSS) de 69,5% para 90,8%, um ganho de 21,3 pontos percentuais em relação ao ORPO padrão.
  • Reduz a taxa de recomendação prejudicial avaliada por médicos (HR) de 14,1% para 5,1% no subconjunto cego.
  • Aumenta a pontuação de Detecção de Interação Medicamentosa (DID) de 72,8% para 91,6%.
  • Supera o GPT-4 (5-shot) em todas as métricas de segurança apesar de ter 10x menos parâmetros.
  • Desempenha-se melhor que um pipeline de autocorreção no tempo de inferência (SFT+SelfCorrect) em 11,4 pontos percentuais no CSS.

Os autores concluem que a fundamentação fisiológica durante o treinamento produz melhorias mensuráveis e independentemente verificáveis na segurança de LLMs clínicos de peso aberto, embora seja necessária validação externa em dados clínicos reais para confirmar a transferibilidade para ambientes de implantação.