面向减重手术问答的持续自我改进语言模型
计算与语言
2025-05-27 v2
摘要
虽然减重与代谢手术（MBS）被认为是治疗重度和病态肥胖的金标准，但其治疗效果取决于患者与多学科提供者（包括外科医生、营养师、心理学家和内分泌科医生）的积极且长期的互动。这种互动贯穿整个患者旅程，从术前准备到长期术后管理。然而，这一过程常常受到诸多医疗保健差异的阻碍，例如后勤和获取障碍，这削弱了患者及时获取循证、临床医生认可信息的便捷性。为了弥补这些差距，我们引入了 bRAGgen，这是一种新型的自适应检索增强生成（RAG）模型，当响应置信度低于动态阈值时，它能自主整合实时医学证据。这种自我更新的架构确保了响应的时效性和准确性，降低了错误信息的风险。此外，我们还提供了 bRAGq，一个包含 1,302 个减重手术相关问题的精选数据集，并已由一位减重外科专家验证。bRAGq 构成了首个面向全面 MBS 护理的大规模、特定领域基准。在两阶段评估中，我们使用基于大语言模型（LLM）的指标和外科专家评审，将 bRAGgen 与最先进的模型进行了基准对比。在所有评估维度上，bRAGgen 在生成临床准确且相关的响应方面均展现出显著优越的性能。
引用
@article{arxiv.2505.16102,
title = {Continually Self-Improving Language Models for Bariatric Surgery Question--Answering},
author = {Yash Kumar Atri and Thomas H Shin and Thomas Hartvigsen},
journal= {arXiv preprint arXiv:2505.16102},
year = {2025}
}
备注
Data and Code available at https://github.com/yashkumaratri/bRAGgen