MedSyn：基于大语言模型的合成医学文本生成框架
计算与语言
2024-09-05 v1 机器学习
摘要
生成合成文本解决了隐私敏感领域（如医疗保健）中数据可用性的挑战。本研究探讨了合成数据在真实医疗场景中的适用性。我们提出了 MedSyn，一个将大语言模型与医学知识图谱（MKG）相结合的合成医学文本生成框架。我们利用 MKG 采样先验医学信息作为提示，并使用 GPT-4 和微调 LLaMA 模型生成合成临床笔记。我们通过在 ICD 编码预测任务中的应用评估了合成数据的益处。研究结果表明，与无合成数据的设置相比，合成数据可将关键且具有挑战性的编码分类准确率提高最多 17.8%。此外，为医疗保健领域的进一步研究提供新数据，我们提供了最大的俄语开源合成临床笔记数据集，包含超过 41k 个样本，涵盖 219 个 ICD-10 编码。
引用
@article{arxiv.2408.02056,
title = {MedSyn: LLM-based Synthetic Medical Text Generation Framework},
author = {Gleb Kumichev and Pavel Blinov and Yulia Kuzkina and Vasily Goncharov and Galina Zubkova and Nikolai Zenovkin and Aleksei Goncharov and Andrey Savchenko},
journal= {arXiv preprint arXiv:2408.02056},
year = {2024}
}
备注
16 pages, accepted to ECML PKDD 2024