基于通义千问32B及RAG技术的CACA指南诊疗规范平台落地实践

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP 自学习平台,3个模型定制额度 1个月
视觉智能开放平台,视频资源包5000点
简介: 本方案整合CACA智能导航系统与基于RAG的大模型医疗问答系统,旨在提供高效、精准的肿瘤诊治支持。通过指南AI导航、知识图谱查询等功能,优化医生诊疗流程,提升患者服务质量,实现医疗资源的有效利用。

概述

本技术落地方案旨在整合CACA智能导航系统和基于RAG与大模型技术的医疗问答系统,以提供一个全面、智能化的肿瘤诊治支持工具。该方案将结合两大系统的优势,实现肿瘤诊治知识的系统化管理和智能化应用,提高医生的诊疗效率和质量,同时为患者提供个性化、精准的医疗服务。

CACA智能导航系统

系统目标

CACA智能导航系统由中国抗癌协会指导,中国抗癌协会个案管理专业委员会主办。该系统基于《中国肿瘤整合诊治指南(CACA)》,结合大数据及人工智能技术,为医生提供指南AI导航、指南思维导图、指南模拟考试等多种功能,旨在提高医疗服务的质量和效率,为患者提供更好的健康管理体验。

系统功能与服务

  1. 指南AI导航:利用人工智能技术,辅助医生快速找到相关的诊治指南,支持临床决策。
  2. 指南思维导图:以图形化方式展示指南内容,帮助医生和患者更好地理解治疗流程。

基于RAG与大模型技术的医疗问答系统

系统介绍

系统设计了一个基于RAG与大模型技术的医疗问答系统,利用CACA指南数据与Neo4j构建知识图谱,通过精确的知识检索和问答生成,提升系统在医疗咨询中的性能。

系统功能与服务

  1. 知识图谱构建:利用Neo4j构建医疗领域的知识图谱,为大模型提供精确的外部信息。
  2. 实体识别(NER):通过规则匹配的方式构建实体识别数据集,优化实体名字,提升模型性能。
  3. 意图识别:设计Prompt,结合上下文学习与思维链技术,采用大语言模型对用户的提问进行意图识别。
  4. 知识图谱查询:为每一个意图设置查询语句,实现精确的知识检索。

技术落地方案

整合策略

  1. 数据整合:将CACA智能导航系统的指南数据与基于RAG的医疗问答系统的知识图谱数据进行整合,实现数据互通。
  2. 功能互补:CACA智能导航系统的指南AI导航与基于RAG的医疗问答系统的知识图谱查询功能相互补充,提供更全面的决策支持。
  3. 用户界面统一:统一用户界面,提供注册、登录、大模型选择、多窗口对话等功能,提升用户体验。
    image.png

构建知识图谱

  1. MAC平台安装:brew install neo4j。
  2. 数据初始化及导入:按照平台需求进行数据整理及导入工作

技术文档:医疗智能问答机器人 Web UI (webui.py)

概述

本文档提供了医疗智能问答机器人Web UI的详细技术说明。该系统是一个基于Streamlit框架构建的Web应用,用于与用户进行医疗相关的问答交互。系统后端集成了自然语言处理(NLP)模型,包括实体识别和意图识别,以及一个基于Neo4j的知识图谱,用于提供准确的医疗咨询服务。

功能模块

1. 模型加载 (loadModel)

  • 功能:加载命名实体识别(NER)模型和意图识别模型。
  • 输入cache_model,用于指定加载的模型。
  • 输出:返回BERT分词器、BERT模型、索引到标签的映射、规则、TF-IDF对齐结果和设备(CPU或GPU)。

2. 意图识别 (intentRecognition)

  • 功能:识别用户查询的意图,并将其分类到预定义的查询类别中。
  • 输入:用户查询select和选择的语言模型choose
  • 输出:识别的意图结果。

3. 属性提示 (attributePrompt)

  • 功能:根据实体和属性,从知识图谱中检索信息,并生成提示。
  • 输入:实体entity、属性attribute和Neo4j客户端client
  • 输出:生成的提示字符串。

4. 联系提示 (contactPrompt)

  • 功能:根据实体和关系,从知识图谱中检索信息,并生成提示。
  • 输入:实体entity、联系contact、目标类型target和Neo4j客户端client
  • 输出:生成的提示字符串。

5. 生成提示 (generatePrompt)

  • 功能:根据用户查询和识别的实体,生成用于意图识别的提示。
  • 输入:意图识别结果response、用户查询select、Neo4j客户端client等。
  • 输出:生成的提示、意图识别结果和实体识别结果。

6. 问答流 (problemStream)

  • 功能:处理问答流,生成回答。
  • 输入:提示prompt
  • 输出:生成的回答。

技术栈

  • JAVAScript:用于构建应用小程序界面。
  • JAVA:用于构建管理端界面。
  • Python:用于模型加载和推理。
  • MAXKB:用于生成回答。

使用说明

  1. 启动小程序后,用户可以在界面中输入患者疾病的详细信息。
  2. 系统将自动识别用户的意图,并从知识图谱中检索相关信息。
  3. 系统将生成回答,并在界面中显示给用户。
  4. 管理员可以通过侧边栏选项显示实体识别结果、意图识别结果和知识库信息。

预期成果

  1. 系统开发与部署:成功开发并部署整合后的CACA智能导航系统,实现指南知识的数字化和可视化。
  2. 诊疗效率提升:系统能够为医生提供智能化的决策支持,提高诊疗效率和质量。
  3. 医疗资源优化:通过系统实现医疗资源的优化配置,降低医疗成本。
  4. 医疗服务提升:加强医疗机构间的协作,提升医疗服务的整体水平。
    image.png
相关文章
|
4天前
|
存储 人工智能 运维
【01】做一个精美的打飞机小游戏,浅尝阿里云通义灵码python小游戏开发AI编程-之飞机大战小游戏上手实践-优雅草央千澈-用ai开发小游戏尝试-分享源代码和游戏包
【01】做一个精美的打飞机小游戏,浅尝阿里云通义灵码python小游戏开发AI编程-之飞机大战小游戏上手实践-优雅草央千澈-用ai开发小游戏尝试-分享源代码和游戏包
【01】做一个精美的打飞机小游戏,浅尝阿里云通义灵码python小游戏开发AI编程-之飞机大战小游戏上手实践-优雅草央千澈-用ai开发小游戏尝试-分享源代码和游戏包
|
1天前
|
人工智能 自然语言处理 API
用AI Agent做一个法律咨询助手,罗老看了都直呼内行 feat.通义千问大模型&阿里云百炼平台
本视频介绍如何使用通义千问大模型和阿里云百炼平台创建一个法律咨询助手AI Agent。通过简单配置,无需编写代码或训练模型,即可快速实现智能问答功能。演示包括创建应用、配置知识库、上传民法典文档、构建知识索引等步骤。最终,用户可以通过API调用集成此AI Agent到现有系统中,提供专业的法律咨询服务。整个过程简便高效,适合快速搭建专业领域的小助手。
58 21
|
11天前
|
人工智能 自然语言处理 安全
千行百业,“义”不容辞:通义技术创新与商业实践
千行百业,“义”不容辞:通义技术创新与商业实践。本次分享分为两部分,首先介绍大模型的快速迭代与普及,探讨通义千问在精度和复杂任务执行上的突破;其次聚焦企业级落地,解决安全性、部署路径及模型调优三大问题。通过多模态理解(视觉、语音)和更强的生成控制力,携手伙伴服务各行业,推动技术向生产力转化,并关注公益应用,助力社会进步。
|
18天前
|
Java 测试技术 开发者
通义灵码助力高效开发——我的实践心得
作为一名Java开发工程师,我一直在寻找提高开发效率的方法。最近,我尝试了通义灵码的个人版新功能,并取得了显著的效果。本文将分享我的实践场景、效果和心得。
48 1
|
19天前
|
机器学习/深度学习 算法 网络协议
开源上新|通义语音处理技术ClearerVoice-Studio
开源上新|通义语音处理技术ClearerVoice-Studio
|
2月前
|
存储 Serverless 数据库
通义灵码与阿里云的融合实践
本文探讨了通义灵码与阿里云的融合实践,涵盖生成在阿里云上部署应用的代码及与阿里云服务的深度集成,如云服务器创建、云数据库配置、云存储设置及函数计算服务等,显著提升开发效率和应用灵活性。
通义灵码与阿里云的融合实践
|
29天前
|
大数据 开发者
通义灵码创新实践征集赛获奖名单公布!
通义灵码创新实践征集赛得到了众多开发者的支持和喜爱,现公布活动获奖名单,快来看看吧!
165 5
|
1月前
|
机器学习/深度学习 数据采集 存储
通义千问 Qwen 在智能文本分析中的应用实践
本文探讨了通义千问Qwen在智能文本分析的应用,涵盖文本分类、情感分析及关键信息提取,通过具体案例和代码实现,展示了Qwen的强大语言理解能力,为开发者和研究人员提供了实用参考。
|
11天前
|
编解码 Cloud Native 算法
通义万相:视觉生成大模型再进化
通义万相是阿里云推出的视觉生成大模型,涵盖图像和视频生成。其2.0版本在文生图和文生视频方面进行了重大升级,采用Diffusion Transformer架构,提升了模型的灵活性和可控性。通过高质量美学标准和多语言支持,大幅增强了画面表现力。此外,视频生成方面引入高压缩比VAE、1080P长视频生成及多样化艺术风格支持,实现了更丰富的创意表达。未来,通义万相将继续探索视觉领域的规模化和泛化,打造更加通用的视觉生成大模型。
|
20天前
|
关系型数据库 机器人 OLAP
智答引领|AnalyticDB与通义千问大模型联手打造社区问答新体验
PolarDB开源社区推出基于云原生数据仓库AnalyticDB和通义千问大模型的“PolarDB知识问答助手”,实现一站式全链路RAG能力,大幅提升查询效率和问答准确率。该系统整合静态和动态知识库,提供高效的数据检索与查询服务,支持多种场景下的精准回答,并持续优化用户体验。欢迎加入钉群体验并提出宝贵意见。
智答引领|AnalyticDB与通义千问大模型联手打造社区问答新体验