lucidrains/clinical-calculator-tooluse

Explorations into training LLMs to use clinical calculators from patient history, using open sourced models. Will start with Wells' Criteria

解决的问题

本项目探索如何通过从患者病史中提取必要信息，训练大型语言模型（LLM）准确使用临床计算器——用于预测风险或诊断疾病的专用医疗工具。

工作原理

利用开源模型实验工具使用能力，特别聚焦于训练模型从医疗记录中识别正确的数据点，并将其输入临床计算器，初始阶段以肺栓塞风险评估的韦尔斯标准（Wells' Criteria）为重点。

适用人群

对医疗AI、LLM的工具使用训练以及开源模型在临床决策支持中应用感兴趣的科研人员和开发者。

亮点

  • 聚焦于临床计算器的工具使用
  • 使用开源LLM
  • 初始实现聚焦于韦尔斯标准

相关

  • 项目
    simonw/llm

    一个 CLI 工具和 Python 库，用于通过远程 API 和本地安装与多个 LLM 交互，具备内置日志记录和结构化数据提取功能。

  • 项目
    OpenTSLM/OpenTSLM

    OpenTSLM 是一个开源库，为 Llama 3.2 和 Gemma LLM 添加原生时序处理功能，支持对医疗信号（ECG、EEG、加速度计等）进行自然语言提示和推理。它提供预训练检查点、简单的 `OpenTSLM` Python API、多个基准任务的推理演示脚本，以及覆盖 MCQ、描述生成和链式思维推理阶段的课程学习训练管道。通过 `pip install opentslm` 安装，从 Hugging-Face 加载模型，并使用提供的脚本进行微调或评估。采用 MIT 许可证。

  • Dispatch
    开放医学-LLM 排行榜：在医疗领域对大型语言模型进行基准评估

    Hugging Face 推出了开放医学-LLM 排行榜，一个标准化平台，用于在多样化医学数据集上评估和比较 LLM 的性能，以提升可靠性和患者安全。

  • 项目
    pengzhangzhi/Open-dLLM

    一个完整的开源框架，用于基于扩散的大型语言模型，提供从预训练、数据集到评估与推理的全流程。

  • 项目
    lyogavin/airllm

    AirLLM 是一个 Python 库，通过从磁盘流式传输模型层，确保 GPU 同时仅加载一层，使 4-12 GB 的 GPU 也能进行 70B 以上大语言模型的推理，并能在小于 6 GB 的显存下微调 125B 模型。它支持大多数开源 LLM 系列，提供可选的 4/8 位块压缩以提升速度，并适用于 Linux、Windows 和 Apple Silicon。