我们提出了一种新颖的患者模拟框架 PATIENT-Ψ，用于认知行为疗法 (CBT) 培训。通过角色扮演与 PATIENT-Ψ 进行治疗会话，我们设计了一个交互式培训方案，PATIENT-Ψ-TRAINER，让心理健康实习生练习 CBT 的关键技能 —— 患者的认知模型制定。通过与不使用患者进行模拟的教材、视频和角色扮演等方式相比，实践证明利用 PATIENT-Ψ-TRAINER 可大大提高实习生的技能掌握和信心，并且 PATIENT-Ψ 被心理健康专家认为比 GPT-4 更接近真实患者互动，为提高实习生的能力提供了强有力的潜力。这一基于大型语言模型的开创性患者模拟培训框架具有巨大的潜力，可以增强和推进心理健康培训，最终改善患者的护理和结果。我们将公开所有数据、代码和培训平台。

May, 2024

采用半结构化数据与大型语言模型（LLMs）相结合，本研究引入了一种医学教育变革框架，以自动化生成医学模拟场景。该创新显著缩短了场景开发所需的时间和资源，实现了更广泛的模拟类型，提高了参与度和知识获取，突显了人工智能在推动教育成果和患者护理标准方面的关键作用。

Apr, 2024

大型语言模型（LLMs）在各种自然语言处理任务中表现出令人惊讶的性能。最近，结合领域特定知识的医学 LLMs 在医疗咨询和诊断方面展现出卓越能力。本文系统地探讨了如何基于通用 LLMs 训练医学 LLMs，并提供了指导各种医学应用的 LLMs 发展的方法。

Jun, 2024

通过引入自动交互评估（AIE）框架和状态感知患者模拟器（SAPS），本文介绍了一种增强大型语言模型（LLMs）在医疗保健领域应用的方法，通过多轮医患模拟来评估 LLMs 的性能，从而更好地满足临床实践的需求。实验证明了 AIE 框架的有效性，并与人类评估结果一致，强调其改进医疗保健交付的潜力。

Mar, 2024

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

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

基于大语言模型的临床能力评估范式，利用自动化评估方法来确保临床方案的安全性和可靠性。

Mar, 2024

综述医学领域中大型语言模型评估的现状、挑战以及将其负责地整合到临床实践中所需的持续研究和创新。

May, 2024

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

通过聊天对话系统，结合自然语言处理技术，开发出了一个医学交流技能辅导平台，有效帮助医学学习者提高沟通能力，并对比了使用不同的语言模型的效果。

Feb, 2024