Multi-Stage-Framework steigert Patienten-Simulation in LLMs

Ein neues chinesisches Datenset namens Ch‑PatientSim wurde entwickelt, um die Simulation realistischer Arzt‑Patienten‑Interaktionen zu verbessern. Das Set basiert auf authentischen klinischen Szenarien und nutzt eine fünfdimensionale Persona‑Struktur, um die Vielfalt und Tiefe der Patientenverhalten zu erfassen.

Um die Ungleichheit der Persona‑Klassen zu beheben, wurde ein Teil des Datensatzes mit Few‑Shot‑Generierung erweitert und anschließend manuell überprüft. Diese Vorgehensweise sorgt für eine ausgewogenere und glaubwürdigere Datenbasis.

Bei der Bewertung führten die Autoren Tests mit verschiedenen hochmodernen Large Language Models durch. Die meisten Modelle erzeugten dabei zu formelle Antworten, die wenig Persönlichkeit aufwiesen. Um dieses Problem zu lösen, wurde ein trainingsfreies Multi‑Stage Patient Role‑Playing (MSPRP) Framework eingeführt, das die Interaktion in drei Phasen unterteilt und so sowohl Personalisierung als auch Realismus fördert.

Experimentelle Ergebnisse zeigen, dass das MSPRP-Framework die Leistung der Modelle in mehreren Dimensionen der Patienten‑Simulation deutlich steigert. Damit wird ein bedeutender Fortschritt für die Entwicklung realistischer klinischer LLM‑Anwendungen und die medizinische Diagnostikausbildung erreicht.