MedInsight：一种利用大型语言模型生成以患者为中心医疗回复的多源上下文增强框架
计算与语言
2024-03-14 v1 人工智能
摘要
大型语言模型（LLMs）在生成类人回复方面展现出令人印象深刻的能力。然而，它们缺乏特定领域的知识，限制了其在医疗环境中的适用性，而在医疗环境中，上下文相关且全面的回复至关重要。为应对这一挑战并生成上下文相关且全面的以患者为中心的回复，我们提出了MedInsight：一种新颖的检索增强框架，该框架利用来自多个来源的相关背景信息来增强LLM的输入（提示）。MedInsight从患者的病历或咨询记录中提取相关细节，然后根据患者的健康史和状况，整合来自权威医学教科书和精选网络资源的信息。通过构建一个结合患者记录与相关医学知识的增强上下文，MedInsight生成丰富的、针对特定患者的回复，这些回复专为诊断、治疗建议或患者教育等医疗应用量身定制。在MTSamples数据集上的实验验证了MedInsight在生成上下文恰当的医疗回复方面的有效性。使用Ragas指标和TruLens进行的答案相似度和答案正确性定量评估证明了该模型的有效性。此外，涉及领域专家（SMEs）的人工评估研究确认了MedInsight的实用性，评估者对生成回复的相关性和正确性具有中等程度的评分者间一致性。
引用
@article{arxiv.2403.08607,
title = {MedInsight: A Multi-Source Context Augmentation Framework for Generating Patient-Centric Medical Responses using Large Language Models},
author = {Subash Neupane and Shaswata Mitra and Sudip Mittal and Noorbakhsh Amiri Golilarz and Shahram Rahimi and Amin Amirlatifi},
journal= {arXiv preprint arXiv:2403.08607},
year = {2024}
}