大语言模型照亮通往人工智能医疗助理的渐进之路:一篇综述
计算与语言
2023-11-06 v1 人工智能
机器学习
摘要
随着人工智能的快速发展,大语言模型 (LLMs) 已展现出媲美人类水平的语言理解与推理能力。这引发了将 LLMs 应用于增强医疗各方面(从医学教育到临床决策支持)的浓厚兴趣。然而,医学涉及多模态数据与细致推理技能,为 LLMs 的集成带来挑战。本文对 LLMs 在医学中的应用与影响进行了全面综述。首先考察通用与专用 LLMs 的基础应用,展示其在知识检索、研究支持、临床工作流自动化和诊断辅助中的效用。认识到医学固有的多模态性,综述随后聚焦于多模态 LLMs,探究其处理医学影像与电子健康记录 (EHRs) 等多样数据类型以提升诊断准确性的能力。为应对 LLMs 在个性化与复杂临床推理上的局限,本文探讨了新兴的 LLM 驱动的医疗自主智能体。此外,总结了评估 LLMs 在医疗场景中可靠性与安全性的评价方法。总体而言,本综述对 LLMs 在现代医学中的变革潜力进行了广泛分析,并强调在这些模型有效融入临床实践前持续优化与伦理监督的关键必要性。访问 https://github.com/mingze-yuan/Awesome-LLM-Healthcare 获取包含最新论文的配套 GitHub 仓库。
引用
@article{arxiv.2311.01918,
title = {Large Language Models Illuminate a Progressive Pathway to Artificial Healthcare Assistant: A Review},
author = {Mingze Yuan and Peng Bao and Jiajia Yuan and Yunhao Shen and Zifan Chen and Yi Xie and Jie Zhao and Yang Chen and Li Zhang and Lin Shen and Bin Dong},
journal= {arXiv preprint arXiv:2311.01918},
year = {2023}
}
备注
24 pages, 1 figure, 3 tables