通过大语言模型提升医疗保健：医学问答研究
计算与语言
2024-08-09 v1 人工智能
摘要
近年来，大语言模型（LLMs）在医疗保健领域的应用展现出显著潜力，有助于改善医学知识的可及性和传播。本文对在MedQuAD医学问答数据集上训练的各种LLM进行了详细研究，重点关注识别最能提供准确医学信息的模型。在测试的模型中，Sentence-t5结合Mistral 7B表现出优越性能，精确率达到0.762。该模型增强的能力归因于其先进的预训练技术、稳健的架构和有效的提示构建方法。通过利用这些优势，Sentence-t5 + Mistral 7B模型在理解和生成精确医学答案方面表现出色。我们的研究结果强调了将先进LLM整合到医学语境中的潜力，以促进高效准确的医学知识检索，从而显著提升患者教育和支持。
引用
@article{arxiv.2408.04138,
title = {Enhancing Healthcare through Large Language Models: A Study on Medical Question Answering},
author = {Haoran Yu and Chang Yu and Zihan Wang and Dongxian Zou and Hao Qin},
journal= {arXiv preprint arXiv:2408.04138},
year = {2024}
}
备注
received by IEEE ICPICS