Health-LLM：个性化检索增强疾病预测系统
计算与语言
2025-05-26 v9
摘要
人工智能（AI）的最新进展，特别是大型语言模型（LLM），显著推进了医疗应用并展示了在智能医疗方面的潜力。然而，存在明显的挑战，如海量数据和症状表征标准不一致，阻碍了医疗AI系统与个体患者需求的完全整合。为了促进专业化和个性化的医疗保健，我们提出了一个创新框架Health-LLM，它结合了大规模特征提取和医学知识权衡评分。与传统的健康管理应用相比，我们的系统有三个主要优势：（1）它将健康报告和医学知识整合到一个大型模型中，向大型语言模型提出相关问题以进行疾病预测；（2）它利用检索增强生成（RAG）机制来增强特征提取；（3）它包含一个半自动特征更新框架，可以合并和删除特征以提高疾病预测的准确性。我们在大量健康报告上进行实验，以评估Health-LLM系统的有效性。结果表明，所提出的系统超越了现有系统，并具有显著推进疾病预测和个性化健康管理的潜力。
引用
@article{arxiv.2402.00746,
title = {Health-LLM: Personalized Retrieval-Augmented Disease Prediction System},
author = {Qinkai Yu and Mingyu Jin and Dong Shu and Chong Zhang and Lizhou Fan and Wenyue Hua and Suiyuan Zhu and Yanda Meng and Zhenting Wang and Mengnan Du and Yongfeng Zhang},
journal= {arXiv preprint arXiv:2402.00746},
year = {2025}
}
备注
Accepted by ACL 2025 NLP4PosImpact Workshop