研究一种基于案例的传统中医问答系统,整合了大型语言模型和知识图
Yuchen Duan1, Qingqing Zhou1, Yu Li1
1School of Medical Information Engineering, Anhui University of Chinese Medicine, Hefei, China.
Frontiers in medicine
|January 22, 2025
概括
本研究使用大型语言模型 (LLM) 和知识图来改善对传统中医 (TCM) 病例记录的访问,提高现代研究的信息检索效率和准确性.
科学领域:
- 数字健康数字健康
- 医疗信息学 医疗信息学
- 传统中国医药 传统中国医药
背景情况:
- 传统中医 (TCM) 病例记录包含有价值的临床数据,但由于大量和复杂性,难以访问和分析.
- 目前用于从TCM案例研究中获取信息的方法效率低下,阻碍了研究和实际应用.
研究的目的:
- 利用现代数据技术,特别是大型语言模型 (LLM) 和知识图,以提高TCM病例记录的可访问性和分析能力.
- 开发一个高效和准确的系统,从一个精心策划的TCM病例记录数据集中获取信息.
主要方法:
- 收集和处理了来自医生王忠的679个TCM病例记录,涵盖了41种疾病.
- 采用大型语言模型 (LLM) 来自动提取关键实体 (症状,发病,治疗原则,处方).
- 将提取的数据结构化为TCM案例知识图,并开发了一个自然语言查询系统,使用RAGAS框架进行评估.
主要成果:
- 该LLM成功地提取和结构化相关实体为知识图的关系三重.
- 开发的TCM案例查询系统在忠实性 (0.9375),答案相关性 (0.9686) 和上下文回忆 (0.9500) 方面表现出很高的表现.
- 人类评估表明,与没有检索增强生成 (RAG) 的LLM相比,安全性和可用性显著更高.
结论:
- 将LLM与知识图集集成,可以显著提高TCM案例信息检索的效率和准确性.
- 这种方法为现代化TCM研究和加强对临床见解的获取提供了一条途径.
- 未来的工作应该集中在扩大数据集和完善查询系统以实现更广泛的应用.
