中医大模型，开源！

发布日期：2024-06-16 07:51:22 浏览次数： 9183

作者：GitHub好项目

微信搜一搜，关注“GitHub好项目”

团队围绕“望闻问切”的核心理念，结合医学专家的深厚知识、多模态技术的创新应用，以及多生理信号的精准计算，推进模型的精准化和智能化。

源代码：

http://www.gitpp.com/yxw/bianque

大模型BianQue（扁鹊）是一个专注于医疗对话的大型语言模型，以下是对其的详细介绍：

模型特点：

BianQue是一个经过指令与多轮问询对话联合微调的医疗对话大模型。
该模型旨在强化AI系统的问询能力，模拟医生问诊的过程，特别注重“问”的能力，以更贴近真实医疗场景中的多轮问询。
技术细节：

BianQue基于ClueAI/ChatYuan-large-v2作为基准模型进行微调。
微调过程在8张NVIDIA RTX 4090显卡上进行，使用了包含超过900万条样本的中文医疗问答指令与多轮问询对话混合数据集。
微调一个epoch花费了大约16天的时间。

应用场景与目标：

BianQue旨在通过模拟医生的多轮问诊过程，提供更准确、个性化的医疗建议。
该模型未来计划围绕“望闻问切”的中医诊疗方法，结合医学专家知识、多模态技术等进行多个版本的模型迭代研究，以提升其在医疗领域的应用效果。

开源与协作：

BianQue项目已经开源，便于医疗界、学术界、相关企业等科研力量共同推进模型的专业能力与创新应用。
通过开源和协作，期望BianQue能够成为推动医疗AI发展的重要力量。

版本更新与迭代：

自2023年4月首次发布以来，BianQue团队不断对模型进行迭代和优化，以提升其性能和实用性。
未来，团队将继续围绕医疗领域的需求，推动BianQue模型的进一步发展和完善。

BianQue作为一个专注于医疗对话的大模型，通过结合指令与多轮问询对话进行微调，旨在提供更贴近真实医疗场景的问诊体验。其开源性质和持续的迭代研究将有望推动医疗AI的发展和应用。

以下摘自github

经过调研发现，在健康领域，用户通常不会在一轮交互当中清晰地描述自己的问题，而当前常见的开源医疗问答模型（例如：ChatDoctor、本草(HuaTuo，原名华驼)、DoctorGLM、MedicalGPT-zh）侧重于解决单轮用户描述问题，而忽略了“用户描述可能存在不足”情况。哪怕是当前大火的ChatGPT也会存在类似的问题：如果用户不强制通过文本描述让ChatGPT采用一问一答的形式，ChatGPT也倾向于于针对用户描述，迅速给出它认为合适的建议和方案。然而实际的医生与用户交谈往往会存在“医生根据用户提出的描述进行持续多轮的询问”。并且医生在最后根据用户提供的信息综合给出建议，如下图所示。我们把医生不断问询的过程定义为询问链（CoQ, Chain of Questioning），当模型处于询问链阶段，其次下一个问题通常由对话上下文历史决定。

结合当前开源的中文医疗问答数据集（MedDialog-CN、IMCS-V2、CHIP-MDCFNPC、MedDG、cMedQA2、Chinese-medical-dialogue-data），分析其中的单轮/多轮特性以及医生问询特性，结合实验室长期自建的生活空间健康对话大数据，构建了千万级别规模的健康大数据BianQueCorpus。对话数据通过“病人：xxx\n医生：xxx\n病人：xxx\n医生：”的形式统一为一种指令格式，如下图所示。

input: "病人：六岁宝宝拉大便都是一个礼拜或者10天才一次正常吗，要去医院检查什么项目\n医生：您好\n病人：六岁宝宝拉大便都是一个礼拜或者10天才一次正常吗，要去医院检查什么项目\n医生：宝宝之前大便什么样呢？多久一次呢\n病人：一般都是一个礼拜，最近这几个月都是10多天\n医生：大便干吗？\n病人：每次10多天拉的很多\n医生："
target: "成形还是不成形呢？孩子吃饭怎么样呢？"

训练数据当中大量目标文本为医生问询的内容而非仅限于建议，这有助于提升AI模型的问询能力。

扁鹊-2.0

基于扁鹊健康大数据BianQueCorpus，选择了ChatGLM-6B作为初始化模型，经过全量参数的指令微调训练得到了新一代BianQue【BianQue-2.0】。与扁鹊-1.0模型不同的是，扁鹊-2.0扩充了药品说明书指令、医学百科知识指令以及ChatGPT蒸馏指令等数据，强化了模型建议与知识能力。以下为两个测试样例。