โมเดลภาษาขนาดใหญ่ (LLM) อย่างเช่น ChatGPT ได้แสดงให้เห็นถึงความสำเร็จอย่างน่าทึ่งในการปฏิบัติตามคำสั่งและสร้างการตอบสนองที่เหมือนมนุษย์ได้อย่างหมดจด แต่อย่างไรก็ตาม โมเดลภาษาดังกล่าวไม่ได้ปรับให้เหมาะกับโดเมนทางการแพทย์ ซึ่งส่งผลให้คำตอบของมันมีความแม่นยำต่ำและไม่สามารถให้คำแนะนำที่น่าเชื่อถือสำหรับการวินิจฉัยทางการแพทย์ได้
เพื่อแก้ไขปัญหานี้ คุณ Yunxiang Li, Zihan Li, Kai Zhang, Ruilong Dan, You Zhang นักวิจัยเหล่านี้ได้รวบรวมโรคมากกว่า 700 โรคและอาการที่เกี่ยวข้อง การทดสอบทางการแพทย์ที่จำเป็น และยาที่แนะนำ ซึ่งพวกเขาได้สร้างการสนทนาระหว่างแพทย์และผู้ป่วย 5,000 คน นอกจากนี้ พวกเขายังได้รับบทสนทนาระหว่างผู้ป่วยและแพทย์จริงกว่า 200,000 รายจากเว็บไซต์ถามตอบทางการแพทย์ออนไลน์
ด้วยการปรับแต่ง LLM อย่างละเอียดโดยใช้การสนทนาระหว่างแพทย์และผู้ป่วย 205,000 คน ผลลัพธ์จึงมีศักยภาพที่ดีในการทำความเข้าใจความต้องการของผู้ป่วย ให้คำแนะนำอย่างรอบรู้ และให้ความช่วยเหลือที่มีคุณค่าในสาขาที่เกี่ยวข้องกับการแพทย์ที่หลากหลายได้ การรวมโมเดลภาษาขั้นสูงเหล่านี้เข้ากับการดูแลสุขภาพสามารถปฏิวัติวิธีการสื่อสารของบุคลากรทางการแพทย์และผู้ป่วย แถมยังช่วยปรับปรุงประสิทธิภาพและคุณภาพโดยรวมของการดูแลผู้ป่วยและผลลัพธ์ในท้ายที่สุด
นอกจากนี้พวกเขายังได้เผยแพร่ซอร์สโค้ด ชุดข้อมูล model weights และแบบจำลองทั้งหมดสู่สาธารณะ เพื่ออำนวยความสะดวกในการพัฒนาแบบจำลองการสนทนาเพิ่มเติมในด้านการแพทย์ในอนาคต โดยข้อมูลต่างๆ เหล่านี้สามารถดูได้ที่ลิ้งค์นี้
