通过结合医学知识图谱和新颖的图模型Dr.Knows，我们提出一种创新的方法来提高大型语言模型在自动诊断生成领域的能力，从而消除预训练的需要，提高自动诊断生成的准确性。

Aug, 2023

大型语言模型在医疗领域的利用引发了劲头和担忧，本文概述了目前开发的大型语言模型在医疗保健方面的能力，并阐明它们的发展过程，旨在提供从传统预训练语言模型（PLMs）到大型语言模型（LLMs）的发展路线图的概览。总的来说，我们认为正在进行一次重大的范式转变，从PLMs过渡到LLMs，这包括从辨别式人工智能方法向生成式人工智能方法的转变，以及从以模型为中心的方法论向以数据为中心的方法论的转变。

Oct, 2023

通过综述大型语言模型在医学领域中的应用和意义，揭示了它们在知识检索、研究支持、临床工作流自动化和诊断辅助等方面的效用，并探索了多模态语言模型以及自动化代理在医疗保健中的发展潜力。然而，为了有效地将这些模型整合到临床实践中，需要不断优化和进行伦理监管。

Nov, 2023

大型语言模型在医疗保健领域的部署引发了热情和忧虑，本综述论文探讨了针对医疗保健应用设计的现有大型语言模型的功能，从传统的预训练语言模型到目前的医疗保健领域的大型语言模型发展轨迹，特别关注临床语言理解任务的潜力以及性能评估、挑战和限制。

Dec, 2023

我们研究了大型语言模型对医疗代码的理解能力，并发现这些模型不能理解医疗代码的含义，因此需要改进医疗代码在语言模型中的表示方式。

Mar, 2024

在这篇论文中，我们回顾了大型语言模型（LLMs）的发展，重点关注医学LLMs的需求和应用。我们提供了现有模型的简要概述，旨在探索进一步的研究方向并使其对未来医学应用产生益处。我们强调了医学LLMs在应用中的优势，以及其发展过程中遇到的挑战。最后，我们提出了技术整合的方向来减轻挑战，并为医学LLMs的未来研究方向提供了建议，旨在更好地满足医学领域的需求。

May, 2024

综述医疗大型自然语言模型（Med-LLM）的进化历史、技术、应用以及对医疗保健的影响，涵盖临床决策支持、报告生成、医学教育等方面，探索其潜力和限制，并讨论公平性、责任感、隐私保护和鲁棒性等挑战，展望未来的发展方向。

Jun, 2024

通过渐进式微调流程，提出了一种基于知识聚合器和噪声聚合器的两阶段方法来解决医学领域中复杂多样的任务，并设计了MedCare医学LLM模型，在20多个医学任务以及特定医学对齐任务上取得了最先进的成果。

Jun, 2024

本文针对大型语言模型在处理结构化非文本数据（如医疗编码）时的局限性进行了探讨，提出UniStruct架构，通过针对医疗编码的子词分词技术提高模型性能。研究结果表明，该模型在内部医疗数据库上训练超过10亿个标记后，评估指标提升了23%，并在EHRSHOT基准测试中改善了超过42%的下游任务性能，推动了患者中心模型的表示与推广能力。

Oct, 2024

本文探讨了大型语言模型（LLMs）在医疗领域的应用潜力，以及医疗专业人员如何高效利用这些工具来提升工作效率。研究提出了一套系统的指导方案，包括任务制定、模型选择、提示工程、微调和部署等关键步骤，以帮助实现LLMs在临床实践中的安全、可靠和有效应用。

Oct, 2024