대형 언어 모델(LLMs)은 다양한 자연어 처리 작업에서 놀라운 성능을 보였습니다. 최근 도메인 특화 지식으로 강화된 의료 LLMs는 의료 상담 및 진단에서 뛰어난 능력을 발휘했습니다. 이 모델은 의사-환자 대화를 매끄럽게 시뮬레이션하고 전문적인 의료 조언을 제공할 수 있습니다. 대부분의 의료 LLM은 오픈 소스 일반 LLM의 지속적인 학습을 통해 개발되며, 이는 LLM을 처음부터 교육하는 것보다 훨씬 적은 컴퓨팅 자원을 요구합니다. 또한, 이 접근법은 API 기반 솔루션에 비해 환자 개인정보 보호에 더 나은 방법을 제공합니다. 이 조사는 일반 LLM을 기반으로 의료 LLM을 교육하는 방법을 체계적으로 탐구합니다. 이는 다음을 포함합니다: (a) 훈련 말뭉치를 획득하고 맞춤형 의료 훈련 세트를 구성하는 방법, (b) 적절한 훈련 패러다임을 선택하는 방법, (c) 적합한 평가 기준을 선택하는 방법, (d) 기존의 도전 과제 및 유망한 미래 연구 방향에 대해 논의합니다. 이 조사는 의료 교육, 진단 계획 및 임상 보조자와 같은 다양한 의료 응용에 초점을 맞춘 LLM 개발에 대한 지침을 제공할 수 있습니다.
Wang et al. (Thu,)는 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: