Ophtimus-V2-Tx:一个紧的专用领域LLM用于眼科诊断和治疗规划
Minwook Kwon1, Kuk Jin Jang2, Seung Ju Baek1
1Department of AI Convergence Engineering, Gyeongsang National University, Jinju, South Korea.
Scientific reports
|December 10, 2025
概括
眼科专业的大型语言模型 (LLM) Ophtimus-V2-Tx在临床决策支持方面表现出强的表现. 这种适应领域的LLM取得了与一般模型相比具有竞争力的结果,特别是在眼科病例特定推理方面.
科学领域:
- 人工智能在医学中的应用
- 眼科 信息学 信息学
- 临床决策支持系统 临床决策支持系统
背景情况:
- 大型语言模型 (LLM) 提供了临床决策支持的潜力,但在具体案例推理方面面临挑战.
- 开发专门的LLM可以提高医疗领域的表现.
研究的目的:
- 推出Ophtimus-V2-Tx,一个为眼科微调的80亿参数LLM.
- 根据最先进的一般LLM和眼科特定基线评估其表现.
主要方法:
- 精细调整一个80亿参数的LLM在10,000多个眼科病例报告.
- 通过使用ROUGE-L,BLEU和METEOR指标评估文本生成.
- 评估使用CliBench和等级F1分数的临床代码映射 (ICD-10-CM,ATC,ICD-10-PCS).
主要成果:
- 与一般的LLM相比,Ophtimus-V2-Tx显示了改进的文本指标 (ROUGE-L 0.40,BLEU 0.26,METEOR 0.45) 与一般的LLM相比.
- 在二次诊断方面获得更高的全代码分数,在初级诊断,药物和程序方面获得更高的竞争性结果.
- 在文本生成方面表现优于其他眼科调整的基线.
结论:
- 适应领域的LLM可以与眼科等专业领域的临床基础输出相匹配或超过一般的LLM.
- 奥菲斯-V2-Tx展示了紧的,可以在本地部署的模型的可行性.
- 可审计的评估管道确保了可重复性,并支持未来的基准测试.


