使用增强式检索和临床实践指南改进医学诊断

科学领域:

• 人工智能在医学中的应用
• 临床决策支持系统 临床决策支持系统
• 自然语言处理自然语言处理.

背景情况:

• 当前的医学语言模型通常依赖于ICD代码,这些代码缺乏临床细微差别.
• 现有的模型很难用各种患者数据和指导方针复制临床医生的基于证据的推理.
• 这限制了AI在临床诊断中的实际应用.

研究的目的:

• 引入GARMLE-G,这是一个新的框架,在临床实践指南 (CPG) 中建立医学语言模型.
• 通过直接检索 CPG 内容,实现无幻觉,临床一致的诊断建议.
• 提高AI在医学诊断中的实用性和可靠性.

主要方法:

• GARMLE-G将LLM预测与EHR数据集成为语义丰富的查询.
• 它使用嵌入相似性检索相关的CPG知识片段.
• 指南内容与模型输出融合为临床一致的建议.

主要成果:

• 与RAG基线相比,GARMLE-G显示出更高的检索精度和语义相关性.
• 该框架显示,在高血压和冠心病诊断中,临床指南的遵守程度提高.
• 它保持了适合本地化医疗保健部署的轻量级架构.

结论:

• GARMLE-G提供了一种可扩展,低成本和无幻觉的方法,用于在以证据为基础的实践中将医学语言模型接地.
• 这种方法显著提高了AI驱动的诊断工具的临床实用性.
• 该框架具有广泛临床部署的巨大潜力.