基于大语言模型的出院总结生成

出院总结是由医疗专业人员撰写的文件，详细说明患者就诊医疗机构的情况。它们包含对患者护理至关重要的大量信息，自动化生成可以显著减少医疗专业人员的工作量，减少错误，并确保关键患者信息易于访问和可操作。在本工作中，我们探索了五种大语言模型在该任务上的应用，从开源模型（Mistral、Llama 2）到专有系统（GPT-3、GPT-4、Gemini 1.5 Pro），利用MIMIC-III总结和笔记。我们使用精确匹配、软重叠和无参考指标进行评估。结果表明，专有模型，特别是Gemini在单样本提示下，优于其他模型，生成的总结与金标准摘要的相似度最高。开源模型虽然前景可期，特别是经过微调的Mistral，性能落后，经常出现幻觉和重复信息。临床专家的主观评估确认了专有模型生成摘要的实用价值。尽管存在诸如幻觉和信息缺失等挑战，研究结果表明大语言模型，特别是专有模型，是自动出院总结生成的有力候选方案，只要确保数据隐私即可。