बड़े पैमाने के चिकित्सा भाषा मॉडलों का सटीक निदान ज्ञान के अंतराल और मतिभ्रमों के कारण बाधित होता है। हालाँकि पुनर्प्राप्ति और उपकरण संवर्द्धन विधियाँ सहायक हैं, लेकिन बाह्य ज्ञान के कम उपयोग और प्रतिक्रिया अनुमान की खराब पता लगाने योग्यता के कारण उनका प्रभाव सीमित है। इन चुनौतियों का समाधान करने के लिए, यह अध्ययन डीप-डीएक्ससर्च प्रस्तुत करता है, जो सुदृढीकरण अधिगम (आरएल) का उपयोग करते हुए एक अंत-से-अंत प्रशिक्षित एजेंट-आरएजी प्रणाली है। यह प्रणाली चिकित्सा निदान में पता लगाने योग्य पुनर्प्राप्ति-संवर्धित अनुमान लागू करती है। डीप-डीएक्ससर्च एक विशाल चिकित्सा पुनर्प्राप्ति कोष का निर्माण करता है जिसमें रोगी रिकॉर्ड और विश्वसनीय चिकित्सा ज्ञान स्रोत शामिल होते हैं ताकि नैदानिक परिदृश्यों में पुनर्प्राप्ति-जागरूक अनुमान का समर्थन किया जा सके। बड़े पैमाने के डेटा पर आरएल का उपयोग करके एजेंट-आरएजी नीति विकसित करना महत्वपूर्ण है, जिसमें एलएलएम मुख्य एजेंट और पुनर्प्राप्ति कोष परिवेश के रूप में हो, और प्रारूप, पुनर्प्राप्ति, अनुमान संरचना और नैदानिक सटीकता के लिए अनुकूलित पुरस्कार हों। प्रायोगिक परिणाम दर्शाते हैं कि एंड-टू-एंड एजेंट-आरएजी प्रशिक्षण ढाँचा, कई डेटा केंद्रों में प्रॉम्प्ट-इंजीनियर्ड और प्रशिक्षण-मुक्त आरएजी दृष्टिकोणों से लगातार बेहतर प्रदर्शन करता है। प्रशिक्षण के बाद, डीप-डीएक्ससर्च ने सामान्य और दुर्लभ, दोनों प्रकार की बीमारियों के निदान में नैदानिक सटीकता में उल्लेखनीय सुधार किया, और इन-डिस्ट्रीब्यूशन और आउट-ऑफ-डिस्ट्रीब्यूशन, दोनों ही स्थितियों में, जीपीटी-4o, डीपसीक-आर1, और अन्य स्वास्थ्य-विशिष्ट ढाँचों जैसे मज़बूत नैदानिक मानकों से बेहतर प्रदर्शन किया। इसके अलावा, रिवॉर्ड डिज़ाइन और सर्च कॉर्पस घटकों पर एब्लेशन अध्ययनों ने पारंपरिक कार्यान्वयनों की तुलना में इस दृष्टिकोण की विशिष्टता और प्रभावशीलता को उजागर करने में अपनी महत्वपूर्ण भूमिका की पुष्टि की। अंत में, केस स्टडी और व्याख्यात्मक विश्लेषणों ने डीप-डीएक्ससर्च की नैदानिक नीति में सुधारों को उजागर किया, इसके प्रदर्शन लाभों की गहन अंतर्दृष्टि प्रदान की और चिकित्सकों को अधिक विश्वसनीय और सटीक प्रारंभिक निदान प्रदान करने में मदद की।
