MedDM:LLM-executable clinical guidance tree for clinical decision-making

要約

臨床診断の意思決定に LLM が参加する重要性がますます強調されるようになってきています。
ただし、専門性が低いということは、現在の医療 LLM が医療 Q&A に近い特定の医療アドバイスを提供できないことを意味します。
また、LLM で直接使用できる適切な臨床ガイダンス ツリー データ セットはありません。
この問題に対処するために、我々はまず、大規模言語モデルで直接使用できるLLM実行可能な臨床ガイダンスツリー(CGT)を提案し、診療ガイドラインのフローチャートから医療診断意思決定データセット(MedDM)を構築します。
我々は、医学文献からフローチャートをスクリーニングし、その後それらを識別して標準化された診断決定ツリーに変換するアプローチを提案します。
5000件の医学文献に由来し、内科、外科、精神科、500以上の疾患を含む12の病院の診療科をカバーする1202のデシジョンツリーを含む知識ベースを構築しました。さらに、LLMで実行可能なCGTと患者に関する推論方法を提案します。
-LLM マルチターン対話フレームワーク。

要約(オリジナル)

It is becoming increasingly emphasis on the importance of LLM participating in clinical diagnosis decision-making. However, the low specialization refers to that current medical LLMs can not provide specific medical advice, which are more like a medical Q\&A. And there is no suitable clinical guidance tree data set that can be used directly with LLM. To address this issue, we first propose LLM-executavle clinical guidance tree(CGT), which can be directly used by large language models, and construct medical diagnostic decision-making dataset (MedDM), from flowcharts in clinical practice guidelines. We propose an approach to screen flowcharts from medical literature, followed by their identification and conversion into standardized diagnostic decision trees. Constructed a knowledge base with 1202 decision trees, which came from 5000 medical literature and covered 12 hospital departments, including internal medicine, surgery, psychiatry, and over 500 diseases.Moreover, we propose a method for reasoning on LLM-executable CGT and a Patient-LLM multi-turn dialogue framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google