Large Language Model を使用した効率的な臨床情報収集のための2段階の積極的な対話ジェネレーター

科学分野:

• 医療における人工知能
• 臨床的意思決定支援システム
• 自然言語処理 (Natural Language Processing) とは,自然言語処理で処理される言語のことです.

背景:

• 効果的な患者と医師の相互作用は,正確な病気の診断に不可欠です.
• 症状や過去の処置を含む包括的な患者歴の収集は,診断の精度を高めますが,多くの場合時間がかかります.
• コンピュータ・アシスタント・システムは,患者の情報収集の潜在的最適化を提供します.

研究 の 目的:

• 患者情報収集の自動化のための診断対話システムを開発・評価する.
• インテリジェント・会話・エージェントを通じて,疾患診断の効率と効果を高める.
• 探求不足や柔軟性など,対話生成における課題に取り組むこと.

主な方法:

• 病歴と会話ロジックを利用した診断対話システムを提案した.
• 慎重に設計されたランキング基準を備えた2段階の推奨構造を採用しました.
• マルチラウンドの臨床クエリを容易にするためにインタラクティブな患者エージェントを開発しました.
• 実験のために,現実世界の医療会話のデータセットを活用しました.

主要な成果:

• 診断対話システムは,生物医学言語モデルベースのアプローチとディープシークベースのアプローチと比較して優れたパフォーマンスを示しました.
• 人間の医師の会話スタイルを効果的に真似た臨床クエリを生成しました.
• 効率的な流暢さ,プロフェッショナリズム,そして,対話で生成された安全性を達成しました.
• 関連する病気の診断情報を収集しました.

結論:

• 提案された診断対話システムは,疾患診断のための患者情報収集の効率を大幅に改善します.
• 人間のような臨床クエリを生成するシステムの能力は,診断プロセスを強化します.
• このアプローチは,医療環境における患者と医師の相互作用を最適化するための有望なコンピュータ支援ソリューションを提供します.