【论文标题】

Med-R2: Crafting Trustworthy LLM Physicians through Retrieval and Reasoning of Evidence-Based Medicine

摘要

近年来，大语言模型（LLMs）在临床场景中展现出显著的能力。

然而，尽管它们具有潜力，但在将LLMs应用于医疗环境时，现有研究面临诸多挑战。

依赖医学数据集训练的策略成本高昂，并且训练数据可能过时。

利用外部知识库是一种合适的替代方法，但它面临检索精度有限和答案提取效果不佳等障碍。

这些问题共同导致LLMs在掌握医学专业知识方面无法达到预期的熟练程度。

为应对这些挑战，提出Med-，这是一种新颖的大语言模型医生框架，它遵循循证医学（EBM）流程

有效整合检索机制以及证据的选择和推理过程，从而增强大语言模型在医疗场景中的问题解决能力，并打造值得信赖的大语言模型医生。

本文全面的实验表明，Med-比普通的RAG方法提升了 14.87%，甚至比微调策略提高了 3.59%，且无需额外的训练成本。

背景

大语言模型在医疗应用中面临一些挑战：

一是知识获取效率低。现有方法主要依靠医学领域数据集对大语言模型进行预训练和微调，计算成本高且资源需求大，使用过时数据集还可能导致缺乏专业知识，影响临床建议的准确性。

二是医学检索精度有限。检索增强生成系统虽提供了一种成本效益高的解决方案，但现有研究在提高检索精度时忽视了医学知识的专业性，针对不同医学场景的检索优化不足。

三是答案提取有效性低。由于模型上下文窗口长度的限制，需要对检索到的医学证据进行有效性、影响和适用性评估，并与现有临床专业知识相结合以解决问题，但目前缺乏针对医疗场景的答案提取方法。

贡献

1. 明确医疗场景挑战：通过对提升模型医疗能力的策略进行定量分析，强调了医疗场景中普遍存在的挑战，包括高计算消耗以及知识检索和提取效率低下。

2. 提出新框架：提出 Med-这一新颖的大语言模型医生框架，该框架整合了循证医学原则以解决临床问题，提升了模型在医学背景下的性能。

3. 验证性能优势：全面的实验表明，Med-相较于普通的检索增强生成方法有显著提升，甚至比微调策略也有增强，且无需额外训练成本。

技术方案

Med-框架围绕循证医学工作流程设计，涵盖临床问题制定、证据检索与评估、证据应用和效果评估等阶段。

问题制定：临床问题制定阶段包含查询分类器和查询重构器两个组件。

查询分类涵盖循证医学类别和一般自然语言问题类型两个维度，根据分类结果对原始查询进行特定领域的重构

并将一般问题类别作为重新排序检索文档的标准之一。

证据检索与评估：此阶段包含证据检索器和证据重排器。

证据检索器通过整合多种类型的检索器，构建了一个更全面的医学知识库。

证据重排器采用粗到精的策略，先基于语义相关性进行粗粒度重排，再综合证据等级、有用性和文档类别三个标准进行细粒度重排。

证据应用：通过对检索到的证据进行综合评估和重排，基于原始医学查询和检索到的证据文档构建思维链推理过程

为下游任务评估提供少样本示例，并辅助查询重构。

效果评估：从思维链生成器响应查询的准确性和不同阶段证据文档检索的稳定性两个关键方面进行评估

确保评估大语言模型医生在医疗任务时，检索到的证据文档既有效又稳健。

实验结果

1. Med-在不同模型上均有效

   

   表 2展示，引入外部知识库显著提升模型解决医学问题的能力，普通 RAG 方法相比直接回答平均提升 17.92%

   而 Med-遵循 EBM 流程进一步增强了效果，在多个基准测试中超越所有基线方法，相比直接回答策略平均提升 35.46%。

   对于轻量级模型如 Qwen-2.5-7B 和 LLaMA3.1-8B，提升幅度分别达 79.72% 和 77.80%。

2. Med-优于微调策略

   从表 2可知，Med-是利用外部知识库的方法中唯一超越微调方法平均性能的。在数据集内训练时，Med-与微调策略性能相近；

   在跨数据集训练中，Med-表现更优，提升了 7.02%，整体能力提高 3.59%。且 Med-无需额外训练时间和计算资源，效率更高。

3. 早期整合CoT可能产生负面影响

   对比 Med-和 Med- -CoT（早期将模型的 CoT 序列整合到查询重构器进行检索）的性能

   

   通过图 4发现，Med- -CoT 性能比 Med-有所下降，且模型参数规模越小，差距越大。在 70-80 亿参数级别，Med- -CoT 性能甚至不如普通 RAG 策略。

4. 上下文窗口规模对模型性能有影响

   比较不同参数规模模型和不同上下文窗口长度下 Med-的性能

   

   图 5可知，Med-存在提升模型医疗性能的最优上下文窗口长度，且该长度随模型参数规模增长而增加。

   同时，Med-的提升效果随模型规模增大呈先下降后上升趋势 。

结论

尽管大语言模型在医学领域有广阔的应用前景，但医学知识的高度专业性带来了一些挑战，包括知识获取效率低、医学证据检索精度低和关键信息提取有效性低。

本研究遵循循证医学流程设计了一种新颖的大语言模型医生框架，有效利用了循证医学固有的检索、过滤和推理过程，从而显著提升了模型在医学场景中的性能。

全面的实验表明，Med-相比现有策略具有显著优势，特别是在性能上几乎与基于相应数据集训练的模型相当，同时降低了与模型训练相关的大量计算成本。

此外，对模型规模和上下文窗口大小的分析也突出了 Med-的扩展能力。

【源码链接】

https://github.com/8023looker/Med-RR

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】