ChatVet:基于大语言模型和知识图谱的动物疾病智能化辅助诊断平台

【作者】 王颢然； 肖建华； 高翔； 王洪斌；

【机构】 东北农业大学动物医学学院,黑龙江省动物疾病致病机制与比较医学重点实验室；

【摘要】 (目的)大语言模型(Large Language Models,LLMs)在自然语言处理和人类指令响应方面表现出色,但在动物医学领域尚无专门的LLM。这项研究旨在开发一个结合大语言模型和知识图谱的智能化辅助诊断平台,专注于动物疾病的诊断,以提高诊断准确性和效率。(方法)为了应对缺少垂直领域训练数据的问题,收集了大量与动物疾病相关的数据并进行了预处理。基于LLM和知识图谱设计了ChatVet平台,该平台包括以下功能:(1)信息过滤:过滤出与动物医学相关的问题,并输入LLM进行回答;(2)专业问答:利用LLM和自建的知识库生成专业的诊断建议,无需重新训练模型即可部署;(3)抽取转化:增强LLM的信息抽取能力,从生成的自然语言回答中抽取结构化知识,并与专业知识图谱进行匹配以验证和补充知识。(结果)平台在多个动物疾病诊断场景中进行了测试,并通过专家主观评估和选择题客观评估验证了其性能。结果显示,ChatVet在理解和回答动物医学相关问题方面表现优异,准确率可达80%以上,显著提高了诊断的准确性和响应速度。(结论)ChatVet平台充分利用LLM和知识图谱的优势,克服了现有LLM在动物医学领域应用中的局限性。通过信息过滤、专业问答和抽取转化等技术手段,系统能够提供高效、准确的动物疾病智能化辅助诊断服务。这一研究为垂直领域大语言模型的应用提供了新的思路,并展示了其在动物医学领域的广阔前景。更多还原