Almanac：面向临床医学的检索增强大语言模型
计算与语言
2023-06-02 v2 人工智能
摘要
大语言模型最近在各种自然语言任务（如摘要、对话生成和问答）中展示了令人印象深刻的零样本能力。尽管在临床医学中有许多有前景的应用，这些模型在真实场景中的采用很大程度上受其生成不正确、有时甚至有毒陈述的倾向的限制。在本研究中，我们开发了 Almanac，一个增强有医学指南和治疗推荐检索能力的大语言模型框架。在一个由 5 位认证医师和住院医师组成的小组评估的临床场景新颖数据集（n = 130）上，所有专科的事实性均显著提升（均值提升 18%，p 值 < 0.05），在完整性和安全性方面也有改善。我们的结果展示了大语言模型成为临床决策过程中有效工具的潜力，同时也强调了谨慎测试与部署以减轻其缺陷的重要性。
引用
@article{arxiv.2303.01229,
title = {Almanac: Retrieval-Augmented Language Models for Clinical Medicine},
author = {Cyril Zakka and Akash Chaurasia and Rohan Shad and Alex R. Dalal and Jennifer L. Kim and Michael Moor and Kevin Alexander and Euan Ashley and Jack Boyd and Kathleen Boyd and Karen Hirsch and Curt Langlotz and Joanna Nelson and William Hiesinger},
journal= {arXiv preprint arXiv:2303.01229},
year = {2023}
}