C-PATH：基于大语言模型的医疗系统对话式患者帮助与分诊
计算与语言
2025-06-10 v1 人工智能
摘要
在医疗系统中导航是一个复杂且令人压抑的过程，可能阻碍患者获取及时和适当的医疗注意。在本文中，我们介绍了C-PATH(医疗系统中的对话式患者帮助与分诊)，一个新型对话式AI系统，由大语言模型(LLM)驱动，旨在通过自然的多回合对话帮助患者识别症状并推荐合适的医疗部门。C-PATH 基于 LLaMA3 架构，通过多阶段管道在医学知识、对话数据和临床摘要上进行微调。本工作的核心贡献是基于 GPT 的数据增强框架，将结构化临床知识从 DDXPlus 转换为面向普通人的对话，实现与患者沟通习惯的一致。我们还实现了可扩展的对话历史管理策略，以确保长程连贯性。基于 GPTScore 的评估表明，C-PATH 在清晰度、信息性和推荐准确性等维度上表现优异。定量基准显示，C-PATH 在 GPT 改写的对话数据集上显著优于领域特定的基线。C-PATH 代表了人类中心、可及且准确的AI工具在数字健康帮助与分诊方面取得了一步进步。
引用
@article{arxiv.2506.06737,
title = {C-PATH: Conversational Patient Assistance and Triage in Healthcare System},
author = {Qi Shi and Qiwei Han and Cláudia Soares},
journal= {arXiv preprint arXiv:2506.06737},
year = {2025}
}
备注
Accepted in IEEE ICDH 2025, 10 pages, 8 figures, 5 tables