Healthmate
~基於大型語言模型的健康管理AI平台~
Healthmate
~基於大型語言模型的健康管理AI平台~
本專案聚焦於「醫療資源與需求落差」與「延誤就醫行為」兩大痛點:
護理人力不足與高齡化使健康衛教與諮詢更難普
民眾常因忽視初期症狀、以及心理諮商的距離感/汙名而壓抑就醫需求。
本系統設計成可協助使用者進行醫療與心理相關的提問與溝通,同時紀錄個人健康資料,降低資訊取得成本與溝通門檻。
專題老師 : 余遠澤 教授 專題學生 : 林芷瑄、陳玟羽、潘宗毅
專案背景與動機
痛點一: 醫療資源與需求的落差
護理人力稀缺: 專業門檻高導致人力不足,民眾日常的衛生保健疑問難以獲得專業解答。
高齡化社會需求: 慢性病預防知識需求大增,現有醫療體系難以負荷普及化的衛教工作。
痛點二: 延誤就醫的行為模式
輕忽初期症狀: 民眾常因怕麻煩或缺乏知識,忽視輕症警訊,導致錯失黃金治療期。
心理諮詢門檻: 台灣民情對精神科/心理諮商仍有距離感,導致心理需求被壓抑。
專案目的與解決方案
關於本專案
本系統主要用於協助使用者諮詢醫病與心理的相關詢問、作
為輔助工具紀錄使用者的健康資料,目的為降低醫療溝通門
檻與資訊獲取成本,以期輔助解決使用者於保健衛生上所遭
遇的問題。
專案目標
回答一些簡單的醫療保健問題
根據使用者需求生成健康計畫
紀錄使用者的健康狀況
提供使用者心靈放鬆的陪伴聊天室
專案功能設計
技術架構
大型語言模型採用與說明
Google BERT
提供上下文理解能力,使用自注意力機制(Self-attention)來捕捉文本中各個詞語的依賴關係。
OpenAI GPT
擅於對話中的內容拓展,即文章生成、問答,模型機制使其在訓練穩定與其收斂性上具優勢
META LLaMA
擅長生成流暢、有語境的文本,適用於各種語言任務,包括文本生成、問答、摘要、翻譯。
系統架構
開發工具
功能實現
功能實現-醫病諮詢
功能實現-心理諮詢
功能實現-健康資料管理
功能實現-健康計劃生成
開發過程
遭遇問題與解決設計分數加權演算法
遭遇問題與解決語言模型的解析成效
系統演示
未來展望
影像辨識功能實現:
辨識使用者患部相片、閱讀使用者的健檢報告。
實際醫衛單位的合作:
進行線上會診、線上開立處方箋等,直接連結專業醫療人員。
語言模型的最佳化:
引入更多不同語言模型選擇,完善語言模型的訓練,使得語言模型的生成回應更具專業性。