面向慢性皮肤病纵向数据检索的隐私保护本地语言模型：在天疱疮患者中的实现
人工智能
2026-05-26 v1 计算与语言
摘要
慢性皮肤病如天疱疮需要长期随访，产生大量的纵向临床文档，在常规就诊期间难以全面回顾，增加了临床医生的工作量以及遗漏关键病史信息的风险。我们评估了本地部署的、保护隐私的小型语言模型（SLM）是否能够从长期皮肤科随访记录中检索结构化临床特征并生成纵向摘要。在这项回顾性病例系列研究中，30名天疱疮患者贡献了541份就诊记录，汇总成完整的纵向记录（89,336词）；由两位皮肤科专家标注了56个临床相关特征。使用本地部署的SLM（Qwen3 4B Thinking 2507）查询每份完整记录，以检索56个特征并生成一份最终报告摘要。在1,680个特征检索任务中，平均准确率为82.25%。皮肤科医生对AI生成摘要的总体质量（8.23-8.47）、临床准确性（7.93-8.20）和有用性（8.47-8.50）评分较高，评估者间无显著差异，且在53.3%的评估中总体偏好AI摘要。这些发现表明，保护隐私的本地部署SLM可以优于医学专家，并可靠地生成有临床意义的纵向摘要。在适当监督下整合时，SLM可以支持临床决策。
引用
@article{arxiv.2605.25020,
title = {Privacy-Preserving Local Language Models for Longitudinal Data Retrieval in Chronic Dermatologic Disease: Implementation in Pemphigus Patients},
author = {Abdurrahim Yilmaz and Ayşe Esra Koku Aksu and Duygu Yamen and Vefa Asli Erdemir and Mehmet Salih Gurel and Gulsum Gencoglan and Joram M. Posma and Burak Temelkuran},
journal= {arXiv preprint arXiv:2605.25020},
year = {2026}
}