DocScribe : chatbot d'assurance qualité médicale

Introduction

DocScribe est un chatbot médical de questions et réponses qui révolutionne la façon dont nous interagissons avec les données médicales. DocScribe fournit des réponses rapides et précises aux demandes de renseignements médicaux généraux et aux questions spécifiques aux patients. Notre objectif principal est d’améliorer l’accessibilité et la compréhension des rapports médicaux. DocScribe y parvient grâce à :

Transcription des rapports médicaux dans un format plus accessible.
Apporter des réponses aux questions médicales générales.
Résumer les rapports de plusieurs visites.
Identifier les informations pertinentes à partir de l’historique du patient.

Architecture

L'architecture de DocScribe facilite une interaction transparente entre les utilisateurs et les données médicales. Il intègre :

Une interface utilisateur Web basée sur Jupyter Notebook pour le téléchargement de rapports et d'autres interactions.
La création d'intégrations et d'index à partir de relevés de notes médicaux.
L'utilisation des frameworks LangChain et HuggingFace pour traiter et répondre aux questions.

Architecture DocScribe

Sources de données

Notre projet exploite un large éventail de sources de données pour entraîner notre modèle, notamment :

Transcriptions médicales : nous avons exploité le modèle GPT-3.5 pour générer 4,5 000 invites d'assurance qualité à partir des transcriptions médicales. Exemples MTS
WikiDoc : visitez WikiDoc
WikiPatient : Visitez WikiPatient

Exemples de données

Ensemble de données	Instruction	Saisir	Sortir
Wikidoc	Répondez honnêtement à cette question	Pouvez-vous donner un aperçu du carcinome épidermoïde du poumon ?	Le carcinome épidermoïde du poumon peut être classé selon le système de classification histologique de l'OMS en 4 types principaux : papillaire, à cellules claires, à petites cellules et basaloïde.
WikiPatient	Répondez honnêtement à cette question	Quand consulter un médecin d'urgence si j'ai le syndrome d'Alström ?	Appelez votre médecin si vous ou votre enfant présentez des symptômes de diabète tels qu'une soif et une miction accrues. Consultez rapidement un médecin si vous pensez que votre enfant ne peut pas voir ou entendre normalement.
Échantillons MT	Sur la base du relevé de notes médical donné, générer une invite et une réponse pour former le LLM	Quel était le diagnostic préopératoire du patient ?	Le diagnostic préopératoire du patient était un cancer de la prostate.

Approche de modélisation

Nous avons opté pour le modèle Vicuna-13B, affiné avec LoRA, PEFT et bitsandbytes. Notre approche a été validée par des tests rigoureux et a montré des résultats prometteurs dans l’interprétation des données médicales.

Exemples de résultats

Résultats et travaux futurs

DocScribe a fait preuve d'une compétence remarquable dans le traitement des requêtes médicales et la synthèse des rapports des patients. Les orientations futures incluent l'élargissement de la formation du modèle sur les corpus médicaux, l'intégration de l'analyse d'images médicales et l'exploration de son application dans la recherche clinique.

Installation

git clone https://github.com/kmnis/DocScribe.git
cd DocScribe
pip install -r requirements.txt

# Start the jupyter server by running
jupyter notebook

# Open your browser and open http://localhost:8888/inference and open a notebook