研究內容

研究動機

曾經有國外的學者，提出要透過自然語言處理技術協助醫療產業，透過輸入大量臨床案例資料訓練語言模型，希望能輔助醫生診斷病情，可惜最終正確率不足宣布失敗。我們同樣認為自然語言處理技術將來可以更廣泛的應用在醫療產業中，雖然目前還無法協助醫生與專業人員進行醫療診斷，但可以有效幫助普通民眾，台灣在2021年因為患有慢性病或癌症而過世的人數超過15萬人，因此我們希望設計出一款健康照護機器人，可以主動提供、回答日常保健知識，促進全民身體保健意識，減少罹患疾病的機會、若是患有慢性疾病的人可以參考醫療問答機器人的建議控制病情、身體不適的人在就醫前輸入症狀，得到初步診斷，就醫後也能詢問後續保養、檢查，透過我們的醫療問答機器人，希望能透過提供專業知識的方式，幫助社會避免非必要的醫療資源浪費，把資源留給真正需要的人。

系統研究架構

一、開發流程架構

二、系統執行架構

核心技術

一、微調語言模型(fine-tuning)

我們選擇使用OpenAI開發的自然語言模型- GPT3作為基礎，分別從一些開放性的醫學知識網站蒐集了981筆的訓練資料，將準備的資料集轉換成OpenAI可讀取的格式，進行語言模型的微調訓練，讓模型在訓練過程中學習目前的任務以醫療相關的問答為首要目標，藉此增加回答的質量與正確性。

二、語言模型串接聊天機器人

將微調後的語言模型導入，透過python撰寫讀取語言模型的方式寫入，並使用git做版本控制及更新的動作，再將程式上傳至Heroku中，Heroku會提供一組URL連結讓我們連結至LINE ChatBot，所有使用者發送的醫療問題皆不需透過LINE人工回覆機制的設定，發出的問題會根據連接的Webhook URL傳遞到位於Heroku Python專案中的語言模型，使用者只需要在聊天介面輸入問題即可得到回答。

研究成果

目前系統有提供一些較常碰到的醫療問題，如: 症狀詢問、疾病成因、治療與預防方法、看診之掛號科別詢問、用藥安全與藥品資料、醫療小常識、流行病相關知識。

問題回覆一、詢問常見問題。

問題回覆二、在問題重複詢問時，會給予不同的回覆作為參考。