MedReadCtrl：通过可读性控制指令学习个性化医学文本生成
计算与语言
2025-07-11 v1 人工智能
摘要
生成式 AI 在医疗领域展现出强大的潜力，从临床决策支持到面向患者的聊天机器人，以改善结果。但其部署面临的一个关键挑战是有效的人机沟通，需确保内容既是个性化的，又易于理解。我们引入 MedReadCtrl，这是一个可读性控制的指令调优框架，使 LLM 能够在不损害意义的前提下调整输出复杂度。对九个数据集和三个任务进行评估，涵盖医疗和通用领域，结果显示 MedReadCtrl 在可读性指令遵循错误方面显著优于 GPT-4（例如在 ReadMe 上 1.39 vs. 1.59，p<0.001），并在未见临床任务上实现显著提升（例如在 MTSamples 上 +14.7 ROUGE-L，+6.18 SARI）。专家一致偏好 MedReadCtrl（71.7% vs. 23.3%），尤其在低素养水平下表现更佳。这反映了 MedReadCtrl 将临床内容重构为符合可读性要求的易懂语言，同时保留医学意图的能力，为支持患者教育并拓展 AI 赋能护理的公平获取提供了可扩展解决方案。
引用
@article{arxiv.2507.07419,
title = {MedReadCtrl: Personalizing medical text generation with readability-controlled instruction learning},
author = {Hieu Tran and Zonghai Yao and Won Seok Jang and Sharmin Sultana and Allen Chang and Yuan Zhang and Hong Yu},
journal= {arXiv preprint arXiv:2507.07419},
year = {2025}
}
备注
Equal contribution for the first two authors. arXiv admin note: text overlap with arXiv:2406.09205