从医学文本中提取医疗决策树的 Text2MDT
原文中文，约400字，阅读约需1分钟。发表于：。通过自动提取医疗文本中的医疗决策树，我们提出了一种新的任务 Text2MDT，探索构建临床决策支持系统的能力。使用两种方法进行 Text2MDT 任务的研究，一个是只依赖大型语言模型（LLM）指导的端到端框架，另一个是将 Text2MDT 任务分解为三个子任务的流水线框架。实验结果表明，使用 LLMs 的端到端方法在 Text2MDT 数据集上表现出色，优于流水线方法。
近年来，对优质医疗服务的需求增长，医疗基础设施差异凸显。ChiMed-GPT是中国医疗领域的大语言模型，性能优于其他领域模型。该模型评估患者歧视态度，分析偏见，促进负责任开发。代码和模型已发布。
