EyeGPT: Ophthalmic Assistant with Large Language Models

本文是LLM系列文章，针对《EyeGPT: Ophthalmic Assistant with Large Language Models》的翻译。

摘要

人工智能（AI）由于其改善临床工作流程和加强医疗交流的潜力，在医疗咨询中受到了极大的关注。然而，由于医学信息的复杂性，用一般世界知识训练的大型语言模型可能不具备在专家级别处理医学相关任务的能力。在这里，我们介绍EyeGPT，这是一种专门为眼科设计的LLM，使用了三种优化策略，包括角色扮演、微调和检索增强生成。特别是，我们提出了一个全面的评估框架，该框架包括不同的数据集，涵盖眼科的不同子专业、不同的用户和不同的查询意图。此外，我们考虑了多种评估指标，包括准确性、可理解性、可信度、同理心和幻觉的比例。通过评估不同EyeGPT变体的性能，我们确定了最有效的变体，它表现出与人类眼科医生相当的可理解性、可信度和同理心水平（均P>0.05）。总的来说，我们的研究为未来的研究提供了有价值的见解，有助于全面比较和评估眼科专业LLM的不同发展策略。潜在的好处包括增强患者在眼科护理方面的体验和优化眼科医生的服务。

引言

方法

评估

结果

局限性

结论

总之，通过角色扮演、微调和RAG，EyeGPT可以潜在地提高医学诊断的准确性和效率，并减少眼科医生的工作量。它还可以增加获得高质量医疗咨询的机会，特别是贫困地区的患者。我们希望我们的研究能为当前眼科人工智能助手的文