Medizinische Anwendungen durch Feinabstimmung großer Sprachmodelle

Die Feinabstimmung von Sprachmodellen auf Instruktionen (IFT) ist entscheidend, um Großsprachmodelle (LLMs) an vielfältige menschliche Bedürfnisse anzupassen. Dieser Ansatz zeigt großes Potenzial für medizinische Anwendungen. Allerdings konzentrieren sich bisherige Studien hauptsächlich auf die Feinabstimmung von LLMs auf begrenzte biomedizinische Datensätze, was ihre Leistung bei der Befolgung medizinischer Instruktionen und ihre Übertragbarkeit einschränkt. Um diese Lücke zu schließen, schlagen wir die Erstellung eines vielfältigen, maschinell generierten medizinischen IFT-Datensatzes vor, der LLMs wie LLaMA-Modelle durch Feinabstimmung zu einer überlegenen Leistung in medizinischen Anwendungen und einer stärkeren Generalisierbarkeit befähigt.