Balancing Knowledge Delivery and Emotional Comfort in Healthcare Conversational Systems

要約

大規模な言語モデルの進歩により、多くのダイアログシステムは現在、患者の病状に合理的かつ有益な反応を提供できるようになりました。
しかし、患者が医師に相談すると、状況の重症度と緊急性のために否定的な感情を経験する可能性があります。
モデルが医学的質問に答える間、患者の否定的な感情に基づいて適切な快適さと共感を提供できる場合、医療相談プロセス中により心強い経験を提供する可能性があります。
この問題に対処するために、私たちの論文では、ヘルスケア対話プロセスにおける知識共有と感情的なサポートのバランスを探ります。
大規模な言語モデルを利用して、実世界のインタラクティブな医療対話データセットを書き直し、患者の感情を癒すことを目的とした、ネガティブな感情と対応する医学的反応で患者の質問を生成します。
修正されたデータは、さまざまな微調整方法を備えた最新の大手言語モデルを改良するのに役立ち、患者の質問に応じて、感情的な安心と建設的な提案の両方を文章に正確に提供できるようになります。
元のLLMモデルと比較して、実験結果は、私たちの方法論が、正確な知識ベースの回答を提供するために元の能力を維持しながら、感情的な反応を生成するモデルの能力を大幅に向上させることを示しています。

要約(オリジナル)

With the advancement of large language models, many dialogue systems are now capable of providing reasonable and informative responses to patients’ medical conditions. However, when patients consult their doctor, they may experience negative emotions due to the severity and urgency of their situation. If the model can provide appropriate comfort and empathy based on the patient’s negative emotions while answering medical questions, it will likely offer a more reassuring experience during the medical consultation process. To address this issue, our paper explores the balance between knowledge sharing and emotional support in the healthcare dialogue process. We utilize a large language model to rewrite a real-world interactive medical dialogue dataset, generating patient queries with negative emotions and corresponding medical responses aimed at soothing the patient’s emotions while addressing their concerns. The modified data serves to refine the latest large language models with various fine-tuning methods, enabling them to accurately provide sentences with both emotional reassurance and constructive suggestions in response to patients’ questions. Compared to the original LLM model, our experimental results demonstrate that our methodology significantly enhances the model’s ability to generate emotional responses while maintaining its original capability to provide accurate knowledge-based answers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google