임상 질문 기술에 대한 대규모 언어 모델의 효과

현재 임상 질문 기술 교육의 주요 형태는 실습에 참여하는 학부생이 사례의 특성과 진단 포인트를 먼저 배우고 병동에서 실제 환자를 대상으로 질문을 연습하도록 하는 것입니다. 그러나 수강생 수가 많아 현재의 교육 방식으로는 질문 가능한 사례 수와 질병 유형의 풍부함 측면에서 교육 수요를 충족시키기 어렵습니다. 따라서 새로운 지능형 기술을 활용하고 새로운 질문 기술 교육 모델을 만들어 교육 효율성을 높이고 학생들의 임상적 사고를 향상시키는 것이 필요합니다.

LLM(Large Scale Language Modeling)은 대량의 텍스트로부터 지식을 학습할 수 있는 딥러닝 기술로, ChatGPT 등 AI 챗봇이 그 대표적인 예이다. AI 챗봇은 의인화된 이해력과 다양한 맥락에서의 다양한 자연어 생성 능력이 특징으로, 미국 의료 면허 시험 합격, 안과 이력 기록 지원, 안과 질문 답변 등 의료 분야에 초기 적용됐다. 그러나 LLM은 일반적인 의학지식에서는 상당한 모델링 성능을 가지고 있지만, 전문질환 분야에서는 여전히 개선이 필요한 것으로 나타났다. 이를 바탕으로 연구원 팀은 초기 단계에서 안과 교과서, 임상 지침 합의, 인터넷 대화 데이터 및 중산 안과 센터의 지식 기반을 인공 피드백 강화 학습 및 기타 기술과 결합하여 LLM을 미세 조정하고 훈련했습니다. , 안과 관련 의료 질문에 답변할 수 있는 현지화된 대형 언어 모델인 "Digital Twin Patient"를 개발했으며, 자동화된 모델 평가와 의료 전문가의 수동 평가를 결합한 시스템도 구축했습니다. 자동화된 모델 평가와 의료 전문가의 수동 평가를 결합한 평가 시스템이 동시에 구축되었습니다.

본 프로젝트는 '디지털 트윈 환자'를 학부 안과 실습에 통합하고, 학생과 '디지털 트윈 환자' 간의 온라인 상호작용을 통해 실제 환자의 상담 과정을 시뮬레이션하고, '디지털 트윈 환자' 상담 교육의 효과를 탐색하고, 최신 기술을 제공하고자 합니다. 의과대학생들이 다양한 안과 사례를 적극적으로 배우고, 임상적 사고를 함양하고, 새로운 지능형 교육 방식을 창출할 수 있는 가능성을 제공하도록 안내하는 도구입니다.