面向医学文本生成的阿拉伯语大语言模型
计算与语言
2025-09-15 v1
摘要
高效的医院管理系统（HMS）在全球范围内对于应对拥挤、资源有限以及紧急医疗服务可用性差等挑战至关重要。现有方法通常缺乏提供准确、实时医疗建议的能力，特别是在处理不规则输入和代表性不足的语言时。为了克服这些局限性，本研究提出了一种针对阿拉伯语医学文本生成微调大语言模型（LLM）的方法。该系统旨在根据用户输入，通过提供准确的医疗建议、诊断、药物推荐和治疗方案来辅助患者。研究方法需要从社交媒体平台收集一个独特的数据集，捕捉患者与医生之间的真实医疗对话。该数据集包含患者主诉和医疗建议，经过适当的清洗和预处理以适应多种阿拉伯语方言。通过微调 Mistral-7B-Instruct-v0.2、LLaMA-2-7B 和 GPT-2 Medium 等最先进的生成模型，优化了系统生成可靠医学文本的能力。评估结果表明，微调后的 Mistral-7B 模型优于其他模型，其精确率、召回率和 F1 分数的平均 BERT（Bidirectional Encoder Representations from Transformers）得分值分别达到了 68.5%、69.08% 和 68.5%。对比基准测试和定性评估验证了该系统针对非正式输入生成连贯且相关的医疗回复的能力。本研究凸显了生成式人工智能（AI）在推进 HMS 方面的潜力，为全球医疗保健挑战提供了一种可扩展且适应性强的解决方案，尤其是在语言和文化多样化的环境中。
引用
@article{arxiv.2509.10095,
title = {Arabic Large Language Models for Medical Text Generation},
author = {Abdulrahman Allam and Seif Ahmed and Ali Hamdi and Ammar Mohammed},
journal= {arXiv preprint arXiv:2509.10095},
year = {2025}
}
备注
Published in 2025 4th International Conference on Computer Technologies (ICCTech)