Das Ziel dieser Studie ist es, ein leichtes Sprachmodell für die Erkennung von Syndromelementen der koronaren Herzkrankheit auf der Grundlage des diagnostischen Denkens in Bezug auf Syndromelemente der koronaren Herzkrankheit zu konstruieren. Um die Probleme hoher Datenabhängigkeit, mangelnder Interpretierbarkeit und schlechter Grundlagenanpassung herkömmlicher Diagnosemethoden zu lösen, haben wir das große Sprachmodell der koronaren Herzkrankheit in der chinesischen Medizin (CHD-SEDD LLM) mit klinischer Interpretation und Vorhersagegenauigkeit entwickelt. Wir haben das Modell DeepSeek-r1: 32b für das Diagnosesprachmodell auf der Grundlage der Diagnosekriterien der Thoraxschmerzelemente der koronaren Herzkrankheit verwendet, um einen dreistufigen Ketteninferenzrahmen Symptomanalyse-Syndromelementbewertung-Syndromelementkombination zu entwerfen und die Diagnoseregeln als strukturierte Prompt-Modelle zu codieren. Wir haben 6 541 Fälle echter Fälle von koronaren Herzkrankheiten ausgewählt, um die Wirksamkeit des CHD-SEDD LLM zu überprüfen und zu bewerten, im Vergleich zum Modell ohne Prompt, unter Verwendung der Klassifizierung der Syndrome Macro-F1, der Genauigkeit der Syndromelemente und der Inferenzzeit pro Fall als Bewertungsindikatoren. Der CHD-SEDD LLM zeigt eine klare Fähigkeit zur hierarchischen Inferenz bei der Überprüfung typischer Fälle, extrahiert genau Hauptsyndromelemente wie Qi-Mangel und Blutstau und kombiniert sie zu syndrom des Qi-Mangels und Blutstau, Kälte- und Yang-Erstarrungssyndrom usw.; der Inferenzprozess entspricht der Logik der chinesischen Medizin. Der Kontrollversuch zeigt, dass der Makro-F1-Wert der Syndromklassifizierung des Modells 85,0% beträgt, was eine Steigerung von 23,8% gegenüber der Baseline ohne Prompt darstellt; die Genauigkeit der Identifizierung der Syndromelemente beträgt 84,8%, was deutlich über der Baseline (68,7%) liegt; die logische Konfliktrate sank von 37% auf 4%, und die Inferenzzeit pro Fall beträgt nur 4,1 s, ohne dass durch die Einführung der Inferenzkette nennenswerte Verzögerungen entstehen. Zusammenfassend lässt sich sagen, dass der CHD-SEDD LLM, basierend auf einem durch das Denken und die Diagnosekriterien in Syndrome angetriebenen Ketteninferenzrahmen, in der Lage ist, eine hohe Genauigkeit und Interpretierbarkeit bei der Erkennung der koronaren Herzkrankheit bei Brustschmerzen in einer Umgebung mit begrenzten Ressourcen zu erreichen. Er bestätigte auch die Machbarkeit des Paradigmas allgemeines großes Modell + Ketteninferenz im Bereich des Denkens, das weitgehend auf die Differenzierung von Syndromen mehrerer Krankheiten anwendbar ist und die intelligente Standardisierung von Diagnose und Behandlung in der chinesischen Medizin fördert.

coronary heart disease;syndrome element;large language model;chain thinking;intelligent syndrome differentiation