可本地部署的虚拟医生：基于 LLM 的自动问诊与数据库转换人机界面
机器学习
2025-11-25 v1
摘要
近期大语言模型的进展使得在显著降低计算需求的同时实现了高水平的对话性能，使其在临床环境中的实际部署成为可能。这种进展允许在本地集成 AI 系统，以确保严格的数据保护和患者隐私，但其在医疗领域的安全实现仍需仔细考虑伦理、监管和技术约束。在本研究中，我们引入 MedChat，一个可本地部署的虚拟医生框架，将 LLM 基于医学的聊天机器人与基于扩散模型的虚拟形象集成，用于自动化和结构化问诊。该聊天机器人使用由真实与合成医学对话混合构成的语料进行微调，通过低秩适应（Low-Rank Adaptation）优化模型效率。实现了一个安全且隔离的数据库接口，以确保患者数据与推理过程完全分离。该虚拟形象组件通过在潜在空间中训练的条件扩散模型实现，基于研究人员视频数据集训练，同步 mel-frequency 音频特征，以实现逼真的语音和面部动画。与现有云端系统不同，本工作展示了完全离线、可本地部署的 LLM-扩散框架在临床问诊中的可行性。自动编码器和扩散网络均表现出平滑的收敛，MedChat 在强大的泛化能力方面实现了稳定的微调。该提出方案为 AI 辅助临床问诊提供了一个隐私保护、资源高效的基础，亦适用于低成本场景。
引用
@article{arxiv.2511.18632,
title = {The Locally Deployable Virtual Doctor: LLM Based Human Interface for Automated Anamnesis and Database Conversion},
author = {Jan Benedikt Ruhland and Doguhan Bahcivan and Jan-Peter Sowa and Ali Canbay and Dominik Heider},
journal= {arXiv preprint arXiv:2511.18632},
year = {2025}
}