医学中的大语言模型综述：进展、应用与挑战
计算与语言
2024-07-23 v7 人工智能
摘要
大语言模型（LLMs），如 ChatGPT，因其在理解和生成人类语言方面的能力而受到广泛关注。尽管聚焦于将 LLMs 用于支持不同医疗任务（例如增强临床诊断并提供医学教育）的研究呈蓬勃发展之势，但对这些工作的回顾，尤其是它们在医学中的发展、实际应用与成果，仍然匮乏。因此，本综述旨在详细概述 LLMs 在医学中的开发与部署，包括它们面临的挑战与机遇。在开发方面，我们详细介绍了现有医学 LLMs 的原理，包括其基本模型结构、参数数量，以及用于模型开发的数据来源与规模。它可作为从业者开发满足其特定需求的医学 LLMs 的指南。在部署方面，我们比较了不同 LLMs 在各种医疗任务上的性能，并进一步将其与 SOTA 轻量模型比较，旨在提供对 LLMs 在医学中优势与局限的理解。总体而言，本综述回答了以下问题：1）开发医学 LLMs 的实践有哪些？2）如何在医疗环境中衡量 LLMs 的医疗任务性能？3）医学 LLMs 如何用于实际实践？4）使用医学 LLMs 带来了哪些挑战？5）如何更有效地开发与部署医学 LLMs？通过回答这些问题，本综述旨在为 LLMs 在医学中的机遇提供见解，并作为实用资源。我们还在 https://github.com/AI-in-Health/MedLLMsPracticalGuide 维护了一份定期更新的医学 LLMs 实用指南列表。
引用
@article{arxiv.2311.05112,
title = {A Survey of Large Language Models in Medicine: Progress, Application, and Challenge},
author = {Hongjian Zhou and Fenglin Liu and Boyang Gu and Xinyu Zou and Jinfa Huang and Jinge Wu and Yiru Li and Sam S. Chen and Peilin Zhou and Junling Liu and Yining Hua and Chengfeng Mao and Chenyu You and Xian Wu and Yefeng Zheng and Lei Clifton and Zheng Li and Jiebo Luo and David A. Clifton},
journal= {arXiv preprint arXiv:2311.05112},
year = {2024}
}
备注
Preprint. Version 6. Update Figures 1-5; Tables 2-3; 31 pages