作者：Yunxiang Li, Zihan Li, Kai Zhang, Ruilong Dan, You Zhang

[ University of Texas Southwestern Medical Center, Dallas, USA ...]

推荐理由：

借助该模型，可以有效缓解国内优质诊疗资源短缺和区域不平衡的问题，惠及更多患者。

总结:
通过对医疗领域的知识进行微调，ChatDoctor模型可以提供医学诊断、建议用药和医疗检测等方面的指导，进而改善医疗诊断的准确性和效率，降低医疗人员工作负担，高效获取医疗建议。

要点:

  1. 通过微调在医疗领域知识上的LLM可以为医疗诊断提供有益指导。
  2. 由于医疗领域具有独特的特点，需要限制LLM只生成其非常确定的结果。
  3. 高质量的训练数据对于模型性能的影响非常大，而高质量的训练数据在医疗领域非常稀缺。
  4. ChatDoctor的应用前景广阔，有助于提高医疗诊断的准确性和效率，降低医疗人员工作负担，高效获取医疗建议。

https://arxiv.org/abs/2303.14070

最近在一般领域的大型语言模型（LLMs），如ChatGPT，在遵循指令和产生类似人类的反应方面显示出显著的成功。然而，这类语言模型并没有针对医疗领域进行单独和仔细的学习，导致诊断准确性差，无法给出正确的医疗诊断和药物建议等。为了解决这个问题，我们收集了700多种疾病及其相应的症状、推荐的药物和所需的医疗检查，然后生成了5K的医生和病人的对话。通过对医患对话的模型进行微调，这些模型出现了巨大的潜力，可以理解患者的需求，提供明智的建议，并在各种医疗相关领域提供有价值的帮助。将这些先进的语言模型整合到医疗保健中，可以彻底改变医疗保健专业人员和病人的沟通方式，最终提高整体护理质量和病人的治疗效果。此外，我们将开放所有源代码、数据集和模型权重，以推动医疗领域对话模型的进一步发展。

Github地址： https://github.com/Kent0n-Li/ChatDoctor 

图片

图片

图片

内容中包含的图片若涉及版权问题，请及时与我们联系删除