FT-MDT：通过新型低秩适应方法从医学文本中提取决策树
计算与语言
2025-10-30 v2
摘要
医学决策过程的知识，可建模为医学决策树（MDT），对于构建临床决策支持系统至关重要。然而，当前的MDT构建方法高度依赖耗时且繁琐的手动标注。为此，我们提出了PI-LoRA（路径集成LoRA），一种 novel 的低秩适应方法，用于自动从临床指南和教科书中提取MDT。我们整合了梯度路径信息以捕获不同模块之间的协同效应，实现更有效和可靠的秩分配。该框架确保最关键的模块获得适当的秩分配，而次要模块则被修剪， resulting 在更高效和准确的临床文本中提取医学决策树的模型。在医学指南数据集上进行的大量实验表明，我们的PI-LoRA方法显著优于现有的高效微调方法，用于 Text2MDT 任务，实现更好的准确率，同时大大降低模型复杂度。该方法在保持轻量化架构的同时实现了最先进的结果，特别适合计算资源有限的临床决策支持系统。
引用
@article{arxiv.2510.04655,
title = {FT-MDT: Extracting Decision Trees from Medical Texts via a Novel Low-rank Adaptation Method},
author = {Yuheng Li and Jiechao Gao and Wei Han and Wenwen Ouyang and Wei Zhu and Hui Yi Leong},
journal= {arXiv preprint arXiv:2510.04655},
year = {2025}
}
备注
Accepted by EMNLP-2025