医疗格兰纳: 基于大语言模型生成的医学指导以支持医生进行诊断-计算机科学-大语言模型-医学决策.pdfVIP

医疗格兰纳: 基于大语言模型生成的医学指导以支持医生进行诊断-计算机科学-大语言模型-医学决策.pdf

此“医疗卫生”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

医疗格兰纳:基于大语言模型生成的医学指导以支持医生进行

诊断

APREPRINT

DebodeepBanerjeeBurcuSayinStefanoTeso

DI,UniversityofPisaDISI,UniversityofTrentoCIMeC,universityofTrento

DISI,UniversityofTrentoDISI,UniversityofTrento

AndreaPasserini

DISI,UniversityofTrento

中ABSTRACT

2

v医学决策是一项至关重要的任务,其中的错误可能导致严重甚至危及生命的后果。虽然完全

1自动化仍然具有挑战性,但结合机器智能与人类监督的混合框架提供了一种实用的替代方

3

4案。在本文中,我们介绍了医疗格兰蛋白,这是一个轻量级且无需标注的框架,它使用大型

4语言模型(LLM)从原始医疗记录生成临床指导,然后由医生用于预测诊断。医疗健兰使用

0.一种受贝叶斯启发的提示策略,尊重临床数据的时间顺序。初步实验表明,由LLM与医疗

7格尔兰生成的指导能够提高诊断性能,特别是在召回率和分数方面。

0

5

2

:

v1介绍

i

x

r

a医学诊断是患者护理的关键组成部分,准确确定患者出院时的诊断是一项医师的重要职责。研究人员探索了

通过预测与患者的诊断相关的临床代码[DeLimaetal.,1998,Edinetal.,2023,Baksietal.,2025,Boyleetal.,

2023,Edinetal.,2023]来自动化这一过程。然而,鉴于此类决策的重要性,完全依赖机器生成的结果并不明智

[GovernmentofCanada,2019,EuropeanCommission,2021]。

一种流行的策略是通过使用学习延期决策[Madrasetal.,2018,MozannarandSontag,2020,Keswanietal.,2022,

VermaandNalisnick,2022,Liuetal.,2022]和学习赞美[Wilderetal.,2021]来减轻完全由机器生成的预测的风

险。然而,在这种情况下,当机器进行预测时,人在做决定时要么没有得到帮助,要么在机器做出决定时根

本不知道系统的存在。以前的研究探索了混合人机医疗决策场景,Banerjeeetal.[2024]将这一现象识别为职

责分离,并认为这是次优的,因为两个代理中的一个始终在做决定时不被辅助。显然,这个问题会损害任何

决策系统的可靠性和效率。

上述讨论的问题导致了在构建可靠的决策框架时,人与机器共同贡献的真空状态。一个可能的解决方案是利

用机器智能作为人类的帮助工具,并保持人类为最终决策者。Banerjeeetal.[2024]提供了一个类似的解决方

案,通过微调视觉语言模型(VLM)生成放射学报告。然而,微调LLM/VLM可能会变得计算成本高昂。

基于这些见解,我们提出了MEDGELLAN,一个新颖的流程,其中使用了助手大型语言模型(LLM)来分析

并提供指导以诊断患者的健康状况,并在后期阶段,医生可以利用指导来做出最终诊断(参见Figure1-左)。

文档评论(0)

zikele + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档