Feb, 2024

基于知识增强的 LLM 驱动的会话式健康智能助手：糖尿病患者案例研究

PDF
TL;DR使用知识注入的大型语言模型驱动的对话卫生代理 (Conversational Health Agent, CHA) 进行糖尿病患者的管理，通过整合外部知识和分析能力，包括美国糖尿病协会的膳食指南和 Nutritionix 的信息，以及营养摄入计算和与指南的比较等分析工具，与 GPT4 相比，该代理在生成管理重要营养素的回答方面表现出更好的性能。
diabetes managementlarge language modelsknowledge-infused llm-powered conversational health agentamerican diabetes associationanalytical tools
发现论文，激发创造
  • 对话式健康代理：一种个性化的 LLM 驱动代理框架

    我们正在开发一个框架，通过赋予对话健康代理（CHAs）关键思维、知识获取和问题解决能力，以增强个人医疗保健服务，并展示其在处理复杂医疗任务中的熟练性和操作能力。

    Oct, 2023

  • 对话界面中的多模态共情

    本文介绍了一种基于大型语言模型和生成式人工智能的会话式健康代理，通过分析多模态线索，它可以解释和回应用户的情绪状态，从而提供具有情境意识和共鸣力的交流回应，从而巩固交互式、富有同情心的数字健康解决方案的前沿地位。

    May, 2024

  • ChatDiet: 通过 LLM 增强框架赋能个性化营养导向的食品推荐聊天机器人

    食物对健康的深远影响需要先进的以营养为导向的食品推荐服务。本文介绍了 ChatDiet，这是一个新的基于大型语言模型的框架，专门设计用于个性化的以营养为导向的食品推荐聊天机器人，实现了个性化和可解释的食物推荐，以及与用户个人喜好相适应的互动。

    Feb, 2024

  • 借助大型语言模型提升患者互动：数字健康中的对话人工智能的力量

    通过四个案例研究展示了大型语言模型在医疗保健中的应用，包括分析 Reddit 上的心理健康讨论、为老年人进行认知参与开发个性化聊天机器人、总结医疗对话数据集和设计 AI 助力病患参与系统。同时讨论了在医疗保健环境中引入大型语言模型的道德考虑、最佳实践和指南。

    Jun, 2024

  • 重新定义大型语言模型在数字健康界面中的应用

    数字卫生工具与大型语言模型（LLMs）结合可在临床环境中提供新颖的接口，增强数字医疗工具的实用性和实际影响，解决了使用 LLMs 时出现的问题，如幻觉，从而提高心血管疾病和糖尿病风险预测的效果。

    Oct, 2023

  • 基于 GPT-3 的医疗会话代理的挑战

    使用 GPT-3 模型进行医疗问题回答（MedQA）存在挑战和风险，分析表明 LLMs 对高风险的查询无法适当回应，生成错误的医疗信息、不安全的建议和可能被视为冒犯的内容。

    Aug, 2023

  • ChatDoctor：一个使用医疗领域知识对 LLaMA 模型进行微调的医疗聊天模型

    本论文提出了将现有的语言模型细调为医疗领域的医生 - 患者对话模型，以更好地理解患者需求、为医疗领域提供有价值的帮助，并将进一步开源相关数据、代码和模型来推进医疗领域的对话模型的发展。

    Mar, 2023

  • 外部规划控制的大型语言模型对话式疾病诊断

    通过利用大型语言模型来开发一个医学任务导向的对话系统，该系统模拟人类医生与患者对话以推断诊断结果，研究使用外部规划器和大型语言模型改进了先前人工智能系统在信息收集和自然语言理解等方面的局限性。通过模拟医生的疾病筛查和鉴别诊断的两阶段决策过程，我们设计了两个不同的规划器，以有效地引导医疗对话。采用强化学习和大型语言模型进行主动学习，我们训练了这些规划器，并在 MIMIC-IV 数据集上对系统进行评估，结果表明该系统能够胜过现有模型，这是实现自动对话式疾病诊断并提高医学诊断的精确性和可访问性的重要一步。

    Apr, 2024

  • 大型语言模型的临床文档动态问答

    利用大型语言模型 (LLMs) 对临床记录进行动态问答的自然语言接口引入了一种新的方法。我们的聊天机器人通过 Langchain 和基于变压器的 LLMs 实现，允许用户用自然语言查询并从临床记录中获得相关答案。经过利用各种嵌入模型和先进的 LLMs 的实验表明，Wizard Vicuna 具有更高的准确性，尽管计算需求较高。模型优化，包括重量量化，使延迟时间提高了约 48 倍。有希望的结果表明，充分利用临床记录的价值和推进基于 AI 的临床决策的发展还面临一些挑战，如模型幻觉和有限的多样化医疗案例评估。解决这些差距对于释放临床记录的价值和推进基于 AI 的临床决策具有重要意义。

    Jan, 2024

  • ChatGPT-HealthPrompt。利用 ChatGPT 在基于提示的医疗决策支持中发挥 XAI 的力量

    该研究提出了一种创新的方法，在临床决策中应用大型语言模型（LLMs），重点关注 OpenAI 的 ChatGPT。我们的方法介绍了在数据稀缺情况下，采用上下文提示（策略性地设计了包括任务描述、特征描述和领域知识整合的提示）进行高质量二元分类任务的应用。我们的研究探索了 LLMs 基于零样本和少样本提示学习的动态性，通过比较 OpenAI 的 ChatGPT 在不同数据条件下与传统监督式机器学习模型的性能，旨在提供对不同数据可用性下提示工程策略有效性的见解。这篇论文架起了人工智能和医疗保健之间的桥梁，提出了一种新的 LLMs 在临床决策辅助系统中的应用方法，并强调了提示设计、领域知识整合和灵活学习方法在增强自动化决策方面的变革潜力。

    Aug, 2023