使用两节临床进展笔记为对象，设计了详细的标注方案，并评估了三个最近发布的大型语言模型 (GPT-4、GPT-3.5-turbo 和 FLAN-UL2) 对临床进展笔记中肿瘤学等细节信息的零 - shot 提取能力，结果显示 GPT-4 模型在复杂任务上表现最佳，能够从肿瘤学进展笔记中提取重要事实。

Aug, 2023

本文研究了大型语言模型在临床医学领域的应用，探讨了通过让模型能够访问外部医疗工具，以响应医生查询的方式来实现医疗指南和建议推荐的能力，并展示了在各种临床场景中显著提高事实准确性、有效性和安全性的结果。

Mar, 2023

本文提出了 RadOnc-GPT，这是一个专为放射肿瘤治疗而设计的大型语言模型，通过先进的调优方法进行专项调优。RadOnc-GPT 在 Mayo Clinic 的放射肿瘤学患者记录和临床笔记的大型数据集上进行了微调。该模型在三个关键任务上进行了指令调优，包括生成放射治疗方案、确定最佳放射疗法，以及根据患者诊断详情提供诊断描述 / ICD 代码。将 RadOnc-GPT 生成的输出与通用大型语言模型的输出进行比较的放射肿瘤学家评估显示，RadOnc-GPT 的输出在清晰度、特异性和临床相关性方面有显著改善。本研究证明了使用像 RadOnc-GPT 这样通过领域特定知识进行调优的大型语言模型，在放射肿瘤学等高度专业的医疗领域实现转型能力的潜力。

Sep, 2023

该研究提供了一份 5000 份医学文章摘要的标注语料库，其中的标注包括描述人口、干预方法及比较、以及测量结果等关键信息，旨在协助检索医学文献并支持循证医学实践。

Jun, 2018

本文使用 2770 亿行混合临床和英文文本的 GPT-3 架构，开发了一种名为 GatorTronGPT 的临床生成 LLM，以提高医学研究的生物医学自然语言处理。通过使用 GatorTronGPT 训练的合成自然语言处理模型的生成文本，性能优于使用现实临床文本训练的模型。在医生的图灵测试中，医生不能区分 GatorTronGPT 所生成的文本和人类所生成的文本。该研究为 LLMs 在医学研究和医疗保健中的机遇和挑战提供了深入的见解。

May, 2023

本研究介绍了一种专门为临床场景设计和优化的语言模型 ——ClinicalGPT，通过整合大量临床实际数据、领域特定知识和多轮次对话信息，使其更好地处理多种临床任务，并通过医学知识问答、医学考试、患者咨询和医疗记录的诊断分析等全面评估框架证明其在这些任务中显著优于其他模型，突出了我们的方法在将大型语言模型应用于卫生保健这一关键领域的有效性。

Jun, 2023

该研究提出了一种从国家综合癌症网络（NCCN）的临床实践指南中提取知识并生成结构化模型的自动化方法，并且采用了三种丰富策略来增强模型以实现程序化遍历和查询癌症护理指南。研究使用支持向量机（SVM）模型进行节点分类，并以 10 折交叉验证的方式获得了 0.81 的分类准确率。

Jul, 2023

开发了一种专用语言模型，通过在医生患者平台上清洗和匿名化的癌症相关对话数据集进行迭代微调，提高了模型对患者查询的理解和提供癌症相关建议的可靠性。

Feb, 2024

我们提供了放射治疗自然语言处理数据库（ROND），这是放射治疗领域的首个专用 NLP 数据集，旨在为该领域的研究和发展提供专门设计的数据集和基准。ROND 涵盖了多种 NLP 任务，包括逻辑推理、文本分类、命名实体识别（NER）、问答（QA）、文本摘要和患者 - 临床医师对话，每种任务都对放射治疗概念和应用案例有着明确的关注点。此外，我们还通过基于 ROND 的 20k 指令对数据集开展了调整，并训练了一个大型语言模型 CancerChat，以展示在高度专业化的医疗领域中指令调整大型语言模型的潜力。本研究的评估结果可为未来研究提供基准结果。ROND 旨在为放射治疗和临床 NLP 的进展提供一个测试和改进算法和模型的领域特定上下文的平台。ROND 数据集是多个美国卫生机构的联合工作。数据可在以下 URL 获得：

Jan, 2024

本文介绍了标准化项目古腾堡语料库（SPGC），这是一个由超过 50000 本书组成、包含 30 亿词组标记的项目古腾堡数据的版本，旨在解决 PG 缺乏共识版完整版本并考虑其对文学研究的影响。我们公开了详细的方法论以及用于处理数据的代码和三个粒度的 PG 数据，使其成为语料库、自然语言处理和信息检索新的科学资源。

Dec, 2018