用于疾病预测的多层大语言模型框架
计算与语言
2025-02-04 v1 人工智能
摘要
社会远程医疗通过使患者能够分享症状并接受远程医疗咨询，彻底改变了医疗保健。用户经常在社交媒体和在线健康平台上发布症状，生成了大量可用于疾病分类和症状严重程度评估的医疗数据。大语言模型（LLM），如LLAMA3、GPT-3.5 Turbo和BERT，处理复杂的医疗数据以增强疾病分类。本研究探索了三种阿拉伯语医学文本预处理技术：文本摘要、文本精炼和命名实体识别（NER）。评估了CAMeL-BERT、AraBERT和Asafaya-BERT与LoRA的结合，使用NER增强文本的CAMeL-BERT取得了最佳性能（类型分类83%，严重程度评估69%）。未微调的模型表现较差（类型分类13%-20%，严重程度评估40%-49%）。将LLM集成到社会远程医疗系统中可提高诊断准确性和治疗结果。
引用
@article{arxiv.2502.00063,
title = {A Multi-Layered Large Language Model Framework for Disease Prediction},
author = {Malak Mohamed and Rokaia Emad and Ali Hamdi},
journal= {arXiv preprint arXiv:2502.00063},
year = {2025}
}