Health-LLM: Personalized Retrieval-Augmented Disease Prediction Model

要約

医療における人工知能 (AI) により、インテリジェントな医療が大幅に進歩しました。
しかし、従来のインテリジェントヘルスケアは静的データと統一基準によって制限されており、個々の状況やその他の課題と完全に統合することができません。
したがって、より専門的で詳細なインテリジェントヘルスケア手法の開発が必要です。
この目的を達成するために、大規模な特徴抽出と医療知識のトレードオフ スコアリングを組み合わせた Heath-LLM という革新的なフレームワークを提案します。
従来の健康管理方法と比較して、私たちのアプローチには主に 3 つの利点があります。
まず、私たちの方法では、ヘルスレポートを大規模なモデルに統合して、詳細なタスク情報を提供します。
第 2 に、専門的な医療専門知識を利用して、健康特性の重み付けスコアを調整します。
3 番目に、半自動の特徴抽出フレームワークを使用して言語モデルの分析力を強化し、専門家の洞察を組み込んで疾患予測の精度を向上させます。
私たちは、Health-LLM の有効性を評価するために、多数の健康レポートに対して疾病予測実験を実施してきました。
実験の結果は、提案された方法が従来の方法を超え、病気の予測と個別の健康管理に革命をもたらす可能性があることを示しています。
コードは https://github.com/jmyissb/HealthLLM で入手できます。

要約(オリジナル)

Artificial intelligence (AI) in healthcare has significantly advanced intelligent medical treatment. However, traditional intelligent healthcare is limited by static data and unified standards, preventing full integration with individual situations and other challenges. Hence, a more professional and detailed intelligent healthcare method is needed for development. To this end, we propose an innovative framework named Heath-LLM, which combines large-scale feature extraction and medical knowledge trade-off scoring. Compared to traditional health management methods, our approach has three main advantages. First, our method integrates health reports into a large model to provide detailed task information. Second, professional medical expertise is used to adjust the weighted scores of health characteristics. Third, we use a semi-automated feature extraction framework to enhance the analytical power of language models and incorporate expert insights to improve the accuracy of disease prediction. We have conducted disease prediction experiments on a large number of health reports to assess the effectiveness of Health-LLM. The results of the experiments indicate that the proposed method surpasses traditional methods and has the potential to revolutionize disease prediction and personalized health management. The code is available at https://github.com/jmyissb/HealthLLM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google