lucidrains/clinical-calculator-tooluse
Explorations into training LLMs to use clinical calculators from patient history, using open sourced models. Will start with Wells' Criteria
解決的問題
本專案探討如何透過從患者病史中提取必要資訊，訓練大型語言模型（LLM）準確使用臨床計算機——專門用於預測風險或診斷疾病的醫療工具。
運作方式
利用開源模型實驗工具使用能力，特別聚焦於訓練模型從醫療紀錄中識別正確的資料點，並輸入臨床計算機，初期以肺栓塞風險評估的韋爾斯標準（Wells' Criteria）為重點。
適用對象
對醫療AI、LLM的工具使用訓練，以及開源模型在臨床決策支援中應用感興趣的研究人員與開發者。
亮點
- 聚焦於臨床計算機的工具使用
- 使用開源LLM
- 初期實作聚焦於韋爾斯標準
相關
- 專案
simonw/llm一個用於與多個 LLM 進行互動的 CLI 工具和 Python 函式庫，支援透過遠端 API 和本地安裝進行互動，並具備內建的日誌記錄與結構化數據提取功能。
- 專案
OpenTSLM/OpenTSLMOpenTSLM 是一個開源套件，為 Llama 3.2 與 Gemma LLM 加入原生時間序列處理功能，支援對醫療訊號（ECG、EEG、加速度計等）進行自然語言提示與推理。提供預訓練檢查點、簡單的 `OpenTSLM` Python API、多個基準任務的推論示範腳本，以及涵蓋 MCQ、描述生成與鏈式思考推理階段的課程學習訓練管道。透過 `pip install opentslm` 安裝，從 Hugging-Face 加載模型，並使用提供的腳本進行微調或評估。採用 MIT 授權。
- Dispatch
- 專案
- 專案
lyogavin/airllmAirLLM 是一個 Python 函式庫，透過從磁碟串流模型層，確保 GPU 同時僅載入一層，讓 4-12 GB 的 GPU 也能進行 70B 以上大型語言模型的推論，並能在小於 6 GB 的記憶體下微調 125B 模型。它支援大多數開源 LLM 系列，提供可選的 4/8 位元區塊壓縮以提升速度，並適用於 Linux、Windows 和 Apple Silicon。