医学大语言模型综述：技术、应用、可信度与未来方向
计算与语言
2024-12-10 v2 机器学习
摘要
随着大语言模型（LLMs）的出现，医学人工智能（AI）经历了实质性的技术进步和范式转变，凸显了LLMs在简化医疗服务和改善患者预后方面的潜力。考虑到这一快速的技术进展，在本综述中，我们追溯了医学大语言模型（Med-LLMs）的最新进展，包括背景、关键发现和主流技术，特别是从通用模型向医学专用应用的演变。首先，我们深入探讨了Med-LLMs的基础技术，指出通用模型如何能够逐步适应并优化以处理复杂的医学任务。其次，我们调查了Med-LLMs在各个医疗领域的广泛应用，并对现有的Med-LLMs进行了最新回顾。这些模型通过协助临床医生、教育工作者和患者，对日常医疗实践产生了变革性影响。认识到负责任创新的重要性，我们讨论了与确保公平性、问责制、隐私性和鲁棒性相关的挑战。伦理考量、严格的评估方法以及监管框架的建立对于在现实系统中建立可信度至关重要。我们强调需要持续的审查和发展，以维持高标准的安全性和可靠性。最后，我们预测了Med-LLMs可能的未来轨迹，确定了审慎扩展的关键途径。通过整合这些见解，我们的综述旨在为专业人士和研究人员提供对Med-LLMs优势和局限性的全面理解，促进其在医疗生态系统中的平衡和合乎伦理的整合。
引用
@article{arxiv.2406.03712,
title = {A Survey on Medical Large Language Models: Technology, Application, Trustworthiness, and Future Directions},
author = {Lei Liu and Xiaoyan Yang and Junchi Lei and Yue Shen and Jian Wang and Peng Wei and Zhixuan Chu and Zhan Qin and Kui Ren},
journal= {arXiv preprint arXiv:2406.03712},
year = {2024}
}