LLMs之Medical：大语言模型纵向赋能场景—垂直行业场景应用之大模型医疗行业的简介、主流LLMs(ChatGLM-Med/ChatDoctor/Radiology-GPT/Med-PaLM/Qi

LLMs之Medical：大语言模型纵向赋能场景—垂直行业场景应用之大模型医疗行业的简介、主流LLMs(ChatGLM-Med/ChatDoctor/Radiology-GPT/Med-PaLM/Qilin-Med等)及其评估基准(包括数据集)、案例应用之详细攻略

目录

大模型医疗行业的简介

1、大模型医疗行业的概述

大模型医疗行业的主流LLMs及其评估基准

1、主流LLMs：ChatGLM-Med/ChatDoctor/Radiology-GPT/Qilin-Med

2023年3月，ChatGLM-Med：基于ChatGLM模型+微调中国医学指令数据集(基于GPT3.5的API和医学知识图谱创建问题-答案对)

2023年4月18日，ChatDoctor：基于LLaMA模型+微调Alpaca指令数据集和HealthCareMagic100k患者-医生对话数据集且检索外部知识数据库

2023年6月14日，Radiology-GPT针对放射学领域：基于Alpaca+微调放射学领域知识数据集，两元组{发现，结论}

2023年6月15日，Med-PaLM 2，基于PaLM 2+医学领域微调和提示策略(包括一种新的集成优化方法)

2023年10月13日，Qilin-Med，基于BaiChuan-7B+多阶段训练方法(CPT增量/持续预训练阶段→SFT有监督微调阶段→RKHF的DPO直接偏好优化阶段)

《Qilin-Med: Multi-stage Knowledge Injection Advanced Medical Large Language Model》翻译与解读

摘要

结论

2、评估基准

2022年，MultiMedQA(医学QA+评估LLMs临床知识和QA能力)

大模型医疗行业的案例应用—医疗应用四大方面：医学问答、医学考试、医学教育、医学助理

医学问答：医学问答任务表现不错，但临床实用性有限(源于LLMs的引用不可靠和捏造信息)

医学考试：接近及格门槛、有潜力(医学教育+临床决策+回答医学解释)、比谷歌搜索更具有上下文感知力和演绎推理性(毕竟谷歌只是搜索呀)

医学助理：有潜力也存在挑战(缺乏原创性+高输入+资源限制+回答不确定性)

---

大模型医疗行业的简介

1、大模型医疗行业的概述