LLM4Sweat: A Trustworthy Large Language Model for Hyperhidrosis Support

LLM4Sweat相关内容总结与翻译

一、文章主要内容

本文聚焦罕见疾病多汗症（Hyperhidrosis）在大语言模型（LLM）应用中的数据稀缺与可信度不足问题，提出首个针对多汗症支持的开源领域特定LLM框架——LLM4Sweat，旨在为多汗症患者提供可靠的诊断、个性化治疗建议及共情心理支持，同时为其他罕见疾病的LLM应用提供可推广方案。

（一）多汗症背景

• 疾病影响：多汗症表现为超出体温调节需求的过度出汗，影响约2%-3%人群，对生理舒适和心理社会健康均造成显著损害，且多数为遗传性原发性多汗症，与特定基因位点相关。
• 现有局限：现有治疗方案涵盖外用止汗剂、肉毒杆菌注射、微波热解（miraDry）等，但在诊断、治疗选择及心理社会管理方面，可靠且个性化的医疗支持有限且缺乏监管；工程领域虽有相关监测与管理设备创新，但未与智能推理系统结合，无法提供全面支持。
• LLM应用困境：LLM在医疗领域虽有诊断支持、治疗规划等应用潜力，但多汗症等罕见疾病因高质量数据稀缺、在线信息零散不可靠，导致LLM难以可靠应用。

（二）LLM4Sweat框架

LLM4Sweat采用三阶段闭环流程，具体如下：

1. 数据增强阶段：以精心筛选的开源多汗症数据为基础，利用前沿LLM生成具有医学合理性的合成案例（ vign