面向放射科报告的粗到细个性化 LLM 印象
计算与语言
2025-09-30 v2 人工智能
摘要
放射科医生报告中手动创建“印象”部分是放射科医生疲劳的主要驱动因素。为解决这一挑战，我们提出一种粗到细框架，利用开源大型语言模型 (LLM) 自动生成和个性化印象。系统首先生成草稿印象，然后使用机器学习和从人类反馈中进行的强化学习 (RLHF) 对其进行精炼，以符合个体放射科医生的风格，同时确保事实准确性。我们在乌尔姆·芝加哥医学院的数据集上对 LLaMA 和 Mistral 模型进行微调。我们的方案旨在显著减少行政工作负担，提高报告效率，同时保持高水平的临床精确度。
引用
@article{arxiv.2508.15845,
title = {Coarse-to-Fine Personalized LLM Impressions for Streamlined Radiology Reports},
author = {Chengbo Sun and Hui Yi Leong and Lei Li},
journal= {arXiv preprint arXiv:2508.15845},
year = {2025}
}