基于大语言模型的临床文档动态问答

电子健康记录 (EHR) 在临床笔记中存储了关键的患者数据。随着这些笔记的数量和复杂性不断增加，手动提取变得极具挑战性。本工作引入了一种利用大语言模型 (LLMs) 的自然语言接口，用于对临床笔记进行动态问答。我们的聊天机器人由 Langchain 和基于 Transformer 的 LLMs 驱动，允许用户使用自然语言进行查询，并从临床笔记中获取相关答案。利用各种嵌入模型和先进 LLMs 进行的实验表明，Wizard Vicuna 具有更高的准确性，尽管其计算需求较高。包括权重量化在内的模型优化将延迟提高了约 48 倍。结果令人鼓舞，表明了其潜力，但仍存在模型幻觉和多样化医疗案例评估有限等挑战。解决这些差距对于释放临床笔记的价值和推动 AI 驱动的临床决策至关重要。