Aug, 2024

通过大型语言模型增强医疗保健：关于医学问答的研究

HTML
PDF
TL;DR本研究针对大型语言模型在医疗保健中的应用，通过对MedQuAD医学问答数据集进行深入分析，识别出最有效的模型。研究发现，Sentence-t5与Mistral 7B的组合在提供准确医疗信息方面表现优越，精度达0.762，突显了高级预训练技术和有效的提示构建方法在医疗知识获取中的潜力。
发现论文，激发创造
  • 在医学问题回答中探索大型语言模型的领域：观察和开放性问题

    通过评估各种流行的大型语言模型对医学问题的知识，我们能够更好地了解它们作为一个群体的特性。从这次比较中，我们提供了初步的观察结果并提出了进一步研究的问题。

    Oct, 2023

  • 医疗领域中的大型语言模型：综述

    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

  • MedLM：探索面向医学问答系统的语言模型

    本研究通过比较一般性和专用于医学问答的精简语言模型的性能，旨在填补这方面的空白，并评估不同语言模型家族的性能，以探讨这些模型在医学问答领域的可靠性、比较性能和有效性，从而为不同语言模型在医学领域的特定应用提供有价值的见解。

    Jan, 2024

  • 医疗领域中的大型语言模型: 一项综合基准评估

    评估医疗领域中多样化的大型语言模型在七个任务和十三个数据集上的综合性能

    Apr, 2024

  • 医学领域的大型语言模型综述：技术、应用、可信度与未来发展方向

    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

  • 大型语言模型在数值和语义医学知识方面的性能表现：基于循证问题与答案的基准评估

    临床问题解决需要处理语义医学知识，如疾病描述和诊断测试的数值医学知识进行循证决策。因此，我们评估了大型语言模型（LLMs）在数值和语义问题类型上的表现，并将其与人类进行比较。研究发现，LLMs在语义问题上的表现优于数值问题，在不同的医学方面存在差距，仍然不及人类，因此应该谨慎对待它们的医疗建议。

    Jun, 2024

  • MedREQAL: 通过问答方式检验大型语言模型对医学知识的记忆能力

    近年来，大型语言模型（LLMs）在大文本语料库的预训练过程中展示了令人印象深刻的知识编码能力。本研究通过构建一个新的基于系统评述的数据集，评估了六种LLMs（如GPT和Mixtral）在医学知识回忆方面的能力，并揭示了此任务的复杂性。

    Jun, 2024

  • 基于大型语言模型的系统回答实际临床问题

    利用大型语言模型构建基于检索增强生成和创新研究的系统能为患者护理提供相关证据，提高医疗决策质量。

    Jun, 2024

  • 利用大型语言模型进行自动化医学问答评估

    本研究针对医学问答系统中人类评估时间长、成本高的问题，探讨了大型语言模型（LLMs）在自动化评估响应中的潜力。研究表明，LLMs能够可靠地复制人类评估的结果，尽管仍需进一步研究以应对更复杂的问题。

    Sep, 2024

  • 在合理低计算资源下开发和双语评估的日本医疗大语言模型

    本研究解决了医疗行业对低资源本地化大语言模型的需求，尤其是在安全性方面面临的挑战。我们提出了一种基于7B模型的医疗适配方案，评估其在日本和英语的医疗问答基准测试中的表现，结果显示其性能达到或超过现有的十倍大模型。此研究为临床机构实际应用LLMs提供了重要的财务支持。

    Sep, 2024