医学领域中大语言模型的应用研究

张 震轩
新疆大学

摘要


伴随人工智能尤其是自然语言处理技术的快速成长，大语言模型在语义理解、推理生成及跨任务迁移等方面表现出强大实力，且愈发成为通用人工智能系统的关键依托，医学领域作为语言信息聚集、专业术语复杂的高知识场景，正逐步成为大语言模型应用的关键领域。本文就大语言模型的发展历程和核心架构做了回顾，系统梳理了GPT、BERT、DeepSeek等凸显代表性的典型模型，又重点钻研了大语言模型在医学实践里的三种典型应用场景，涉及病症诊断、病症预报与病症分诊，经分析最新研究成果，本文揭示出大语言模型在增强诊断精准度、优化预测效率、改善问诊感觉等方面的实际价值，本研究能协助理解大语言模型赋能医疗智能的路线与趋势，为促进医疗人工智能的规范化和实用化提供理论依据与实践借鉴。

关键词


人工智能；大语言模型；医学实践

全文:

PDF


参考


[1] Kim S, Lee C, Kim S. Large language models: a guide for radiologists[J]. Korean Journal of Radiology, 2024, 25(2): 126.

[2] Radford A, Narasimhan K, Salimans T, et al. Improving language understanding by generative pre-training[J]. 2018.

[3] Devlin J, Chang M W, Lee K, et al. Bert: Pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of the 2019 conference of the North American chapter of the association for computational linguistics: human language technologies, volume 1 (long and short papers). 2019: 4171-4186.

[4] Krusche M, Callhoff J, Knitza J, et al. Diagnostic accuracy of a large language model in rheumatology: comparison of physician and ChatGPT-4[J]. Rheumatology international, 2024, 44(2): 303-306.

[5] Tan R S Y C, Lin Q, Low G H, et al. Inferring cancer disease response from radiology reports using large language models with data augmentation and prompting[J]. Journal of the American Medical Informatics Association, 2023, 30(10): 1657-1664.


Refbacks

  • 当前没有refback。