MRD-RAG: Enhancing Medical Diagnosis with Multi-Round Retrieval-Augmented Generation

要約

近年、医療大規模な言語モデル（LLMS）を正確かつ迅速に展開することが重要な傾向になりました。
これらの中で、検索された生成（RAG）は、迅速な展開とプライバシー保護の特徴のために大きな注目を集めています。
ただし、既存の医療用ラグフレームワークにはまだ欠点があります。
ほとんどの既存の医療ラグフレームワークは、単一ラウンドの質問回答タスク用に設計されており、マルチラウンドの診断対話には適していません。
一方、既存の医療マルチラウンドラグフレームワークでは、医師のように正確に調査する潜在的な疾患間の相互接続を考慮していません。
これらの問題に対処するために、医師の診断プロセスを模倣するマルチラウンドの診断RAG（MRD-RAG）フレームワークを提案します。
このRAGフレームワークは、潜在的な疾患の診断情報を分析し、医師のように多ラウンドの診断を正確に行うことができます。
提案されたフレームワークの有効性を評価するために、GPTと人間の医師によるさまざまな方法での評価を使用して、2つの最新の医療データセットと2つの伝統的な漢方薬データセットで実験を実施します。
結果は、RAGフレームワークがLLMSの診断パフォーマンスを大幅に向上させることができることを示しており、医療診断におけるアプローチの可能性を強調しています。
コードとデータは、プロジェクトWebサイトhttps://github.com/yixiangch/mrd-rag/tree/masterにあります。

要約(オリジナル)

In recent years, accurately and quickly deploying medical large language models (LLMs) has become a significant trend. Among these, retrieval-augmented generation (RAG) has garnered significant attention due to its features of rapid deployment and privacy protection. However, existing medical RAG frameworks still have shortcomings. Most existing medical RAG frameworks are designed for single-round question answering tasks and are not suitable for multi-round diagnostic dialogue. On the other hand, existing medical multi-round RAG frameworks do not consider the interconnections between potential diseases to inquire precisely like a doctor. To address these issues, we propose a Multi-Round Diagnostic RAG (MRD-RAG) framework that mimics the doctor’s diagnostic process. This RAG framework can analyze diagnosis information of potential diseases and accurately conduct multi-round diagnosis like a doctor. To evaluate the effectiveness of our proposed frameworks, we conduct experiments on two modern medical datasets and two traditional Chinese medicine datasets, with evaluations by GPT and human doctors on different methods. The results indicate that our RAG framework can significantly enhance the diagnostic performance of LLMs, highlighting the potential of our approach in medical diagnosis. The code and data can be found in our project website https://github.com/YixiangCh/MRD-RAG/tree/master.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google