基于LLM从临床笔记生成合成患者-医生对话
计算与语言
2024-08-13 v1 人工智能
机器学习
摘要
医学对话系统(MDS)可增强患者-医生间的沟通，提高医疗可及性，降低成本。然而，获取适合训练这些系统的数据具有显著挑战。隐私顾虑阻碍了使用真实对话的可能性，迫切需要合成替代方案。从公开可得的临床笔记生成合成对话，为提供逼真数据同时保护隐私提供了可行方案。我们的方法SynDial利用单一LLM通过零样本提示和反馈循环迭代生成和优化高质量的合成对话。反馈包括针对相似性和可提取性的加权评估分数。该迭代过程确保对话满足预设阈值，由于反馈循环，实现了卓越的可提取性。此外，评估显示，生成的对话在事实性指标方面优于基线方法，在多样性得分方面与GPT-4持相当水平。
引用
@article{arxiv.2408.06285,
title = {Synthetic Patient-Physician Dialogue Generation from Clinical Notes Using LLM},
author = {Trisha Das and Dina Albassam and Jimeng Sun},
journal= {arXiv preprint arXiv:2408.06285},
year = {2024}
}