利用生成式AI增强Synthea模块开发
人工智能
2025-07-30 v1 机器学习
摘要
本文探讨了大型语言模型（LLM）用于协助开发Synthea新疾病模块的方法。将LLM纳入模块开发流程有望减少开发时间、降低所需专业知识、扩展模型多样性并提高合成患者数据的整体质量。我们展示了LLM可支持Synthea模块创建的四种方式：生成疾病概述、从疾病概述生成疾病模块、评估现有Synthea模块、以及细化现有模块。我们提出渐进式细化概念，即通过检查其语法正确性和临床准确性来迭代评估LLM生成的模块，然后利用该信息修改模块。尽管LLM在此上下文中的应用显示出前景，但我们也认识到挑战和限制，例如需要人工监督、严格测试和验证的重要性，以及LLM生成内容可能存在的不准确性。本文以 recommendations 结束，为充分实现LLM辅助合成数据创建的潜力提供了未来研究和开发的建议。
引用
@article{arxiv.2507.21123,
title = {Leveraging Generative AI to Enhance Synthea Module Development},
author = {Mark A. Kramer and Aanchal Mathur and Caroline E. Adams and Jason A. Walonoski},
journal= {arXiv preprint arXiv:2507.21123},
year = {2025}
}
备注
Title: Leveraging Generative AI to Enhance Synthea Module Development Word Count: [Approximately 12,000 words] Figures: 3 Tables: 3 Supplementary Material: Extensive appendices with prompts and disease profiles