PIORS: Personalized Intelligent Outpatient Reception based on Large Language Model with Multi-Agents Medical Scenario Simulation

要約

中国では、受付看護師は外来患者の設定で圧倒的な仕事量に直面しており、各患者に対する時間と注意力が制限され、最終的にはサービスの質が低下します。
本稿では、パーソナライズド・インテリジェント外来受付システム（PIORS）について紹介します。
このシステムは、LLM ベースの受付看護師と、LLM と病院情報システム (HIS) の連携を実際の外来受付環境に統合し、個別化された高品質で効率的な受付サービスの提供を目指しています。
さらに、現実世界の医療シナリオにおける LLM のパフォーマンスを強化するために、LLM を現実世界の環境と PIORS 設定に適応させることを目的として、サービス フロー対応医療シナリオ シミュレーション (SFMSS) という名前の医療会話データ生成フレームワークを提案します。
当社は、15 人のユーザーと 15 人の臨床専門家が参加する自動評価と人間による評価を通じて、PIORS と SFMSS の有効性を評価します。
結果は、PIORS-Nurse が現在の最先端モデル GPT-4o を含むすべてのベースラインを上回り、人間の好みや臨床ニーズに合致していることを示しています。
詳細とデモは https://github.com/FudanDISC/PIORS でご覧いただけます。

要約(オリジナル)

In China, receptionist nurses face overwhelming workloads in outpatient settings, limiting their time and attention for each patient and ultimately reducing service quality. In this paper, we present the Personalized Intelligent Outpatient Reception System (PIORS). This system integrates an LLM-based reception nurse and a collaboration between LLM and hospital information system (HIS) into real outpatient reception setting, aiming to deliver personalized, high-quality, and efficient reception services. Additionally, to enhance the performance of LLMs in real-world healthcare scenarios, we propose a medical conversational data generation framework named Service Flow aware Medical Scenario Simulation (SFMSS), aiming to adapt the LLM to the real-world environments and PIORS settings. We evaluate the effectiveness of PIORS and SFMSS through automatic and human assessments involving 15 users and 15 clinical experts. The results demonstrate that PIORS-Nurse outperforms all baselines, including the current state-of-the-art model GPT-4o, and aligns with human preferences and clinical needs. Further details and demo can be found at https://github.com/FudanDISC/PIORS

arxiv情報

提供元, 利用サービス

arxiv.jp, Google