通过工作流程对齐任务与基准实现以医生为中心的医学AI
计算与语言
2025-10-14 v1
摘要
大语言模型（LLM）的兴起已在医疗领域带来变革，提供了临床指导，但其直接部署给患者会因专业知识有限而带来安全风险。为缓解这一问题，我们提出将LLM重新定位为与有经验的医生合作的临床助手，而非直接与患者交互。我们开展了两阶段灵感-反馈调查，以识别临床工作流程中的真实需求。基于此，我们构建了DoctorFLAN，一个由92,000个Q&A实例组成的大型中文医学数据集，覆盖22个临床任务和27个医学专科。为评估模型在医生面向应用中的性能，我们引入DoctorFLAN-test（550个单轮Q&A）和DotaBench（74个多轮对话）。实验结果表明，DoctorFLAN显著提升了开源LLM在医疗情境下的性能，促进了其与医生工作流程的对齐，补充了现有以患者为导向的模型。本工作为推动以医生为中心的医学LLM发展贡献了宝贵资源和框架。
引用
@article{arxiv.2510.11040,
title = {Enabling Doctor-Centric Medical AI with LLMs through Workflow-Aligned Tasks and Benchmarks},
author = {Wenya Xie and Qingying Xiao and Yu Zheng and Xidong Wang and Junying Chen and Ke Ji and Anningzhe Gao and Prayag Tiwari and Xiang Wan and Feng Jiang and Benyou Wang},
journal= {arXiv preprint arXiv:2510.11040},
year = {2025}
}