DocScribe：医疗 QA 聊天机器人

介绍

DocScribe 是一款医疗问答聊天机器人，它彻底改变了我们与医疗数据交互的方式。 DocScribe 对一般医疗询问和患者特定问题提供快速、准确的答复。我们的主要目标是提高医疗报告的可访问性和理解性。 DocScribe 通过以下方式实现这一目标：

将医疗报告转录为更易于理解的格式。
提供一般医学问题的答案。
多次走访总结报告。
从患者病史中识别相关信息。

建筑学

DocScribe 的架构有利于用户和医疗数据之间的无缝交互。它包括：

基于 Jupyter Notebook 的 Web UI，用于上传报告和进一步交互。
从医学记录中创建嵌入和索引。
利用LangChain和HuggingFace框架来处理和回答问题。

DocScribe架构

数据来源

我们的项目利用各种数据源来训练我们的模型，包括：

医疗成绩单：我们利用 GPT-3.5 模型从医疗成绩单中生成 4.5k 条 QA 提示。 MT样本
维基文档：访问维基文档
WikiPatient：访问 WikiPatient

样本数据

数据集	操作说明	输入	输出
维基文档	如实回答这个问题	您能否概述一下肺鳞状细胞癌？	根据WHO组织学分类系统，肺鳞状细胞癌可分为4种主要类型：乳头状癌、透明细胞癌、小细胞癌和基底样细胞癌。
维基病人	如实回答这个问题	当我患有阿尔斯特罗姆综合征时，何时需要寻求紧急医疗护理？	如果您或您的孩子出现糖尿病症状，例如口渴和排尿增多，请致电您的医疗保健提供者。如果您认为您的孩子无法正常视力或听力，请立即就医。
MT样品	根据给定的医疗成绩单生成提示和答案以培训法学硕士	患者的术前诊断是什么？	患者术前诊断为前列腺癌。

建模方法

我们选择了 Vicuna-13B 模型，并使用 LoRA、PEFT 和 BitsandBytes 进行了微调。我们的方法通过严格的测试得到验证，并在解释医学数据方面显示出有希望的结果。

结果示例

结果与未来的工作

DocScribe 在处理医疗查询和总结患者报告方面表现出了非凡的熟练程度。未来的方向包括扩大模型在医学语料库上的训练，纳入医学图像分析，并探索其在临床研究中的应用。

安装

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