一个GPT模型的输入系统模拟了医生咨询期间医生与患者的互动
Jonathan Kambire1,2, Seydou Golo Barro1,2,3, Pascal Staccini3
1Nazi Boni University, Bobo-Dioulasso, Burkina Faso.
Studies in health technology and informatics
|October 3, 2025
概括
研究人员创建了一个大型,文化相关的数据集来训练一个AI模型模拟医疗咨询. 该工具旨在支持医学学生在非洲高等教育中的培训,解决现有的资源挑战.
科学领域:
- 医学教育 医学教育
- 医疗保健中的人工智能
- 自然语言处理自然语言处理.
背景情况:
- 非洲高等教育的许可证-士学位-博士学位 (LMD) 系统存在结构性挑战,包括教师短缺和基础设施不足,特别是在卫生科学领域.
- 现有的医疗培训资源往往缺乏文化相关性,并未能解决特定的非洲卫生背景.
研究的目的:
- 开发一个结构化的对话体,用于训练一个定制的GPT-2模型.
- 模拟医疗咨询并支持非洲高等教育机构内的医学学生的教育.
- 创建一个文化适应和多语言的人工智能驱动的医学培训工具.
主要方法:
- 使用可靠的医学来源构建对话体.
- 通过现有人工智能系统控制对话的生成.
- 与医学学生进行角色扮演练习,包括对临床,情绪和行为元数据的注释.
- 库的开发涉及超过3600万令牌用于预培训和8,326对话用于微调.
主要成果:
- 已经编制了超过3600万个用于预训练的代币和8,326个用于微调的模拟对话的大量代币.
- 该库涵盖了布基纳法索普遍存在的病理,包括多语言和文化背景数据.
- 该数据集代表了开发多样化和可重复使用的医疗教育模拟器的新型资源,以适应非洲现实.
结论:
- 开发的体和正在进行的AI模型培训提供了一种有希望的方法来提高非洲的医学教育.
- 这个倡议通过提供文化相关的模拟工具来解决以西方为中心的教育材料的局限性.
- 收集的数据为未来人工智能医疗培训模拟器的进步提供了宝贵的基础,适应多样化的全球环境.
