通过为大语言模型提供 layperson 概述来改进专家放射科学报告概述
计算与语言
2024-06-21 v1
摘要
放射科学报告概述（RRS）对于患者护理至关重要，需要从详细的 "发现"（Findings）中提炼出简洁的 "结论"（Impressions）。本文引入一种新颖的提示策略，通过首先生成 layperson 概述来增强 RRS。该方法规范化关键观察，利用非专家交流技巧简化复杂信息，受医生与患者互动的启发。结合 few-shot 上下文学习，这一方法提高了模型将一般术语与具体发现关联的能力。我们在 MIMIC-CXR、CheXpert 和 MIMIC-III 数据集上评估了该方法，对比了 7B/8B 参数的国产 SOTA 大语言模型（如 Meta-Llama-3-8B-Instruct）。我们的结果显示，在总结准确性和可访问性方面都有所改进，尤其在 out-of-domain 测试中提升尤为显著，某些指标提升可达 5%。
引用
@article{arxiv.2406.14500,
title = {Improving Expert Radiology Report Summarization by Prompting Large Language Models with a Layperson Summary},
author = {Xingmeng Zhao and Tongnian Wang and Anthony Rios},
journal= {arXiv preprint arXiv:2406.14500},
year = {2024}
}