论文
从医生专业知识到临床代理：通过轻量级 LLM 保存、标准化和扩展医生的医疗专业知识
From Physician Expertise to Clinical Agents: Preserving, Standardizing, and Scaling Physicians' Medical Expertise with Lightweight LLM
摘要
医学是一门经验学科，通过长期观察和临床实践的混乱、高方差现实而完善。医生通过反复应用、反思和改进的循环来建立诊断和治疗能力，形成个体化的方法。然而，结果差异很大，医师的知识体系发展缓慢，难以大规模传播，导致高质量临床专业知识的稀缺。为了解决这个问题，我们提出了Med-Shi Cheng，一个通用框架，使大语言模型能够以标准化的方式系统地学习和传递杰出医生的诊断和治疗理念以及病例相关的适应规则。麦世城以天一为基础，共分为五个阶段。我们以五名国家级中医大师或名中医为对象，策划多源材料，训练单一模型，内化病因病机分析、证候诊断、治疗原则选择、处方生成、处方解释、症状演变与治疗方案调整、临床建议等七项任务的所有五个知识体系。 Med-Shiheng 在 Qwen2.5-1.5B-Base 上实现，在资源受限的 GPU 上运行，同时实现与 DeepSeek-R1 和 GPT-5 相当的性能。我们还检查了 LLM 作为法官与医生评估的可靠性：自动判断跟踪总体趋势，但在细粒度的个体差异上表现出偏差，强调了当 真值 不可用时需要医生参与以及适应领域的法官模型。