| 面向疾病诊断的大语言模型两阶段提示方法 |
| Two-stage prompting method for disease diagnosis with large language models |
| 摘要点击 62 全文点击 0 投稿时间：2024-08-05 修订日期：2025-04-04 |
| 查看/发表评论 下载PDF阅读器 |
| 中文关键词 智能医疗; 疾病诊断; 大语言模型; 提示工程; 两阶段提示方法 |
| 英文关键词 smart healthcare; disease diagnosis; large language models; prompt engineering; two-stage prompting |
| 基金项目 国家社会科学基金资助项目；河北省自然科学基金资助项目 |
| 作者 | 单位 | 邮编 | | 李杰 | 河北工业大学经济管理学院 | 300401 | | 陈亦可* | 河北工业大学经济管理学院 | 300401 | | 张国庆 | 天津北辰北门中医医院 | |
|
| 中文摘要 |
| 基于患者的症状描述自动进行疾病诊断是智能医疗的关键环节. 借助大语言模型进行疾病诊断, 大大降低了智能疾病诊断的技术难度和算力成本. 大语言模型的性能深度依赖于提示工程的质量, 因此优化提示工程的设计是提升大语言模型在智能疾病诊断任务中性能的关键. 本文提出一种面向疾病诊断的两阶段提示方法TSP, 该方法依托于阶段化的候选类别生成机制与严格筛选流程, 旨在提高大语言模型在疾病诊断任务的分类准确率. 实验结果表明, 相较于传统的提示方法, 本文提出的TSP方法在疾病诊断任务中展现出显著的性能优势, 为智能疾病诊断领域提供新的思路和方法借鉴. |
| 英文摘要 |
| Automatically diagnosing diseases based on patients' symptom descriptions is a critical aspect of smart healthcare. Leveraging large language models(LLMs) significantly reduces the technical difficulty and computational cost of intelligent disease diagnosis. The performance of LLMs depends largely on the quality of prompt engineering; therefore, optimizing the design of prompt engineering is key to enhancing the performance of LLMs in disease diagnosis tasks. This paper introduces two stage prompting(TSP) method, which utilizes a phased candidate category generation mechanism and a rigorous screening process to improve diagnostic accuracy.Experimental results show that the proposed TSP method outperforms traditional prompting methods, providing new insights and methodological references for the field of intelligent disease diagnosis. |
| 关闭 |
