薬剤調査のための軽量な大型言語モデルチャットボットの開発と評価

科学分野:

• 人工知能
• 医療情報学
• 自然言語処理

背景:

• 大規模言語モデル (LLM) はデジタルヘルスに潜力を示しているが,計算とデータセキュリティの課題に直面している.
• 地域によってはインターネットへのアクセスが限られているため,大規模AIモデルの導入が制限されています.
• 医療分野に特化した効率的なLLMが必要である.

研究 の 目的:

• 軽量で医療分野に特化した LLM チャットボット Med-Pal を開発し評価する.
• デジタルヘルスアプリケーションにおける計算上の制約とデータセキュリティの懸念に対処する.
• 臨床 LLM の評価の枠組みを確立する.

主な方法:

• 薬剤調査データセット (1,100 Q&A ペア) の5つのオープンソースの軽量LLM (≤70億パラメータ) の微調整.
• 231件の医薬品関連調査のLLMの検証
• 多分野専門家チームによる臨床判断のための新しい評価基準であるSCOREを導入します.
• 最優秀なLLMをMed-Palとして選択し,敵対的な誘導に対して安全ガードレールを実装します.

主要な成果:

• Med- Palは別のテストデータセットで71. 9%の高品質の応答を達成しました.
• Med- PalはBiomistralとMeerkatと比較して優れた性能を示した.
• 開発された SCORE フレームワークは,LLM 応答の効果的な臨床評価を可能にしました.

結論:

• Med-Palの軽量なアーキテクチャと臨床的なアライナメントにより,デジタルインフラが限られているものを含め,さまざまな医療環境に適しています.
• この研究は,医療用途のための効果的な専門的なLLMの開発の実現可能性を強調しています.
• 安全で信頼性の高い臨床 LLM の導入には 護と専門家による評価が不可欠です