用于疾病诊断的大型语言模型：范围综述

摘要. 自动疾病诊断在临床实践中变得越来越有价值。大型语言模型（LLMs）的出现推动了人工智能领域的范式转变，越来越多的证据支持LLMs在诊断任务中的有效性。尽管该领域受到越来越多的关注，但许多关键的研究问题仍未得到充分探索。例如，哪些疾病和LLM技术已被用于诊断任务的研究？如何为临床决策选择合适的LLM技术和评估方法？为解答这些问题，我们对基于LLM的疾病诊断方法进行了全面分析。本次范围综述审查了现有研究中报告的疾病类型、相关器官系统、临床数据、LLM技术和评估方法。此外，我们为数据预处理、选择适当的LLM技术和诊断任务的评估策略提供了指南。我们还评估了当前研究的局限性，并划定了该研究领域的挑战与未来方向。总之，我们的综述为基于LLM的疾病诊断勾勒了蓝图，帮助简化并指导未来的研究工作。

引言

自动疾病诊断通过将临床数据输入算法，分析数据模式并生成诊断结果，几乎无需或完全不需要人工干预。其在临床场景中的重要性是多方面的。首先，它提高了诊断的准确性，支持医生的临床决策，并通过提供更多高质量的诊断服务，解决了医疗资源获取不平等的问题。其次，它提高了诊断效率，尤其是在人口老龄化和临床医生短缺的情况下，诊断的复杂性即便对经验丰富的医生来说也需要花费大量时间。最后，它通过在线诊断服务为患者提供了更大的便利，促进了早期诊断并减少了传统临床就诊所带来的延误。 人工智能的进步推动了自动诊断系统的发展，经历了两个阶段。最初，采用支持向量机（SVM）和决策树等机器学习技术进行疾病分类1,2，通常包括四个步骤：数据处理、特征提取、模型优化和疾病预测。随着数据集规模的扩大和计算能力的提升，深度学习方法后来在诊断任务中占据主导地位3,4。这些方法利用深度神经网络（DNN），包括卷积神经网络（CNN）5、循环神经网络（RNN）6和生成对抗网络（GAN）7，实现了端到端的特征提取和模型训练。例如，具有34层的卷积神经网络在心律失常诊断中达到了心脏病专家级别的表现8。然而，这些模型需要大量标注数据进行训练，且通常针对特定任务，限制了它们在其他任务中的适应性5,8。 近年来，人工智能的范式从传统的深度学习转向了大型语言模型（LLM）的兴起。与监督学习不同，LLM如生成式预训练转换器（GPT）和LLaMA9，是通过自监督学习在大量未标注数据上预训练的生成模型。这些模型通常包含数十亿个参数，擅长处理语言，并能够适应多种任务。迄今为止，LLM在临床场景中展示了卓越的性能，包括问答10、信息检索11和临床报告生成12,13。

最近，越来越多的研究验证了LLM在诊断任务中的有效性。例如，PathChat14，一个经过数十万条指令微调的视觉语言通用LLM，在人类病理学中取得了最先进的性能。Med-MLLM13，一个在广泛的医学数据（包括胸部X光片、CT扫描和临床笔记）上预训练和微调的多模态LLM，在COVID-19诊断中表现出了显著的准确性。此外，Kim等人15使用GPT-4结合提示工程，发现它在识别强迫症方面超越了心理健康专家。 尽管该研究领域备受关注，但许多关键问题仍未得到充分探索。例如，哪些疾病和LLM技术已被用于诊断任务？研究人员如何利用LLM分析各种类型的医学数据进行疾病诊断？哪些评估方法适合评估模型性能？尽管已有大量关于LLM在医学中应用的综述论文16,17,18,19,20，它们通常提供了对各种临床应用的广泛概述，但并未特别强调疾病诊断。例如，Pressman等人21提供了LLM在临床中的潜在应用的综合总结，包括术前咨询、治疗、术后管理、出院和患者教育。然而，这些调查并未涉及LLM在疾病诊断中的细微差别和挑战，未能回答上述问题，凸显了研究中的一个关键空白。 本综述的主要目的是对LLM在疾病诊断中的应用进行全面分析。我们审查了现有研究中涉及的各种疾病类型、相关器官系统、临床数据、LLM技术和评估方法。此外，我们为数据预处理、选择适当的LLM技术和采用合适的评估策略提供了指南。我们还分析了当前研究的局限性，全面呈现了该领域的挑战和未来方向。总之，本综述为基于LLM的疾病诊断勾勒了蓝图，并帮助启发和简化未来的研究工作。

研究范围概述

本节概述了本研究中涉及的疾病、临床数据和LLM。图2展示了疾病相关的器官系统、临床数据、所研究的LLM数据模式和相关LLM技术。值得注意的是，LLM涵盖了多种数据模式，包括文本、图像、视频、音频、表格数据和时间序列。图3展示了随时间变化的出版趋势以及本综述中数据隐私和评估方法的统计。表1总结了用于疾病诊断的主流LLM技术分类，而表2则展示了常用的评估指标。