DisEmbed：通过嵌入转换理解疾病
计算与语言
2024-12-23 v1 机器学习
摘要
医学领域广阔且多样，许多现有的嵌入模型聚焦于一般性医疗应用。然而，这些模型常因在整个医疗领域进行宽泛泛化，难以捕捉对疾病的深入理解。为此，我提出了 DisEmbed，一种疾病导向的嵌入模型。DisEmbed 在专为收录疾病描述、症状及疾病相关问答对而构建的合成数据集上进行训练，使其在疾病相关任务中独具特色。为进行评估，我使用疾病特定数据集和三元组评估方法，对 DisEmbed 与现有医学模型进行了基准测试。我的结果表明，DisEmbed 在其他模型之上，尤其在识别疾病相关语境和区分相似疾病方面表现更佳。这使 DisEmbed 在疾病特定应用场景中具有极高价值，包括检索增强生成（RAG）任务，其中其性能尤为稳健。
引用
@article{arxiv.2412.15258,
title = {DisEmbed: Transforming Disease Understanding through Embeddings},
author = {Salman Faroz},
journal= {arXiv preprint arXiv:2412.15258},
year = {2024}
}