LLM4Sweat: Open‑Source‑Modell unterstützt Hyperhidrose mit Vertrauen
In der medizinischen Forschung haben große Sprachmodelle (LLMs) großes Potenzial gezeigt, doch ihre Anwendung bei seltenen Erkrankungen bleibt durch fehlende und unzuverlässige Datensätze eingeschränkt. Hyperhidrose, eine Störung, die übermäßiges Schwitzen verursacht, betrifft 2‑3 % der Bevölkerung und belastet sowohl körperlich als auch psychosozial stark.
Um diese Lücke zu schließen, wurde LLM4Sweat entwickelt – ein Open‑Source‑Framework, das speziell auf Hyperhidrose zugeschnitten ist. Das System arbeitet in drei Phasen: Zunächst erzeugt ein fortschrittliches LLM aus öffentlich zugänglichen Daten synthetische, medizinisch plausible Fallstudien, um ein ausgewogenes Frage‑Antwort‑Set zu erstellen.
In der Feinabstimmungsphase wird ein Open‑Source‑Grundmodell mit diesem Datensatz trainiert, sodass es Diagnosen stellen, individuelle Therapieempfehlungen geben und empathische psychologische Unterstützung leisten kann. Anschließend prüfen klinische und psychologische Experten die Genauigkeit, Angemessenheit und Empathie der Antworten und fügen validierte Rückmeldungen wieder in den Lernprozess ein.
Die Ergebnisse zeigen, dass LLM4Sweat die bisherigen Ansätze übertrifft und damit das erste vertrauenswürdige, Open‑Source‑LLM‑Framework für Hyperhidrose darstellt. Das Konzept ist zudem auf andere seltene Erkrankungen übertragbar, die ähnliche Daten- und Vertrauensprobleme aufweisen.