Neues Benchmark CondMedQA zeigt, wie bedingte Logik medizinische Fragen löst

In der medizinischen Wissensabfrage gehen aktuelle Systeme häufig davon aus, dass medizinisches Wissen überall gleich gilt. In der Praxis ist das jedoch nicht der Fall: Jede klinische Entscheidung hängt von individuellen Patientenfaktoren wie Begleiterkrankungen oder Kontraindikationen ab. Dieses Problem hat bisher in den gängigen Benchmarks kaum Beachtung gefunden, und Methoden, die auf Retrieval oder Graphen basieren, verfügen nicht über klare Mechanismen, um sicherzustellen, dass das abgerufene Wissen tatsächlich zum jeweiligen Kontext passt.

Um diese Lücke zu schließen, stellen die Forscher CondMedQA vor – das erste Benchmark für bedingte biomedizinische Frage‑Antworten. Die Aufgaben bestehen aus mehrstufigen Fragen, deren Antworten sich je nach Patientenkontext unterscheiden. Damit CondMedQA die Komplexität echter klinischer Entscheidungsprozesse widerspiegelt, wurden die Fragen sorgfältig so gestaltet, dass sie verschiedene Bedingungen abdecken.

Parallel dazu wurde das Condition‑Gated Reasoning (CGR) entwickelt. CGR baut bedingungsbewusste Wissensgraphen auf und aktiviert oder schneidet Pfade gezielt aus, je nachdem, welche Bedingungen in der Anfrage genannt werden. Durch diese gezielte Steuerung kann das System nur die für den jeweiligen Patienten relevanten Informationen berücksichtigen.

Die Ergebnisse zeigen, dass CGR zuverlässig die passenden, bedingungsabhängigen Antworten auswählt und dabei die Leistung bestehender Spitzenmodelle auf biomedizinischen QA‑Benchmarks erreicht oder sogar übertrifft. Diese Erkenntnisse unterstreichen, wie entscheidend es ist, die Bedingtheit von medizinischem Wissen explizit zu modellieren, um robuste und verlässliche klinische Entscheidungsunterstützung zu ermöglichen.