SynDocDis：使用 大语言模型 生成综合医生讨论的元数据驱动框架

医生与医生对患者病例的讨论代表了丰富的临床知识和推理来源，可以为人工智能代理提供丰富的信息，甚至参与后续的互动。然而，隐私法规和道德考虑严重限制了对此类数据的访问。虽然使用 大语言模型 生成合成数据提供了一种有前途的替代方案，但现有方法主要关注患者与医生的交互或结构化医疗记录，在医生与医生之间的通信合成方面留下了巨大的差距。我们提出了 SynDocDis，这是一种新颖的框架，它将结构化提示技术与保护隐私的去识别化病例元数据相结合，以生成临床上准确的医生与医生之间的对话。由五名执业医师在 9 个肿瘤学和肝病学场景中进行的评估显示出卓越的沟通有效性（平均值 4.4/5）和出色的医疗内容质量（平均值 4.1/5），并且具有很高的受试者间可靠性（kappa = 0.70，95% CI：0.67-0.73）。该框架实现了 91% 的临床相关性评级，同时保护了医生和患者的隐私。这些结果使 SynDocDis 成为一个有前途的框架，通过符合隐私的合成医生对话生成，并直接应用于医学教育和临床决策支持，以道德和负责任的方式推进医学人工智能研究。