Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

MedCOD: Enhancing English-to-Spanish Medical Translation of Large Language Models Using Enriched Chain-of-Dictionary Framework

Created by
  • Haebom

作者

Md Shahidul Salim, Lian Fu, Arav Adikesh Ramakrishnan, Zonghai Yao, Hong Yu

概要

MedCODは、特定の分野の構造化された知識を大規模言語モデル（LLM）に統合することで、英語からスペイン語の医学翻訳を改善するために設計されたハイブリッドフレームワークです。 UMLS（Unified Medical Language System）とLLM-as-Knowledge-Base（LLM-KB）パラダイムのドメイン固有の知識を統合し、構造化されたプロンプトと微調整を強化します。 2,999の英語スペイン語のMedlinePlusの記事の並列の束と構造化された医学的文脈で注釈付き100文のテストセットを構成しました。多言語変換、医学同義語、およびUMLSから派生した定義を組み込んだ構造化プロンプトとLoRAベースの微調整を使用して、4つのオープンソースLLM（Phi-4、Qwen2.5-14B、Qwen2.5-7BおよびLLaMA-3.1-8B）を評価しました。実験結果は、MedCODがすべてのモデルで翻訳品質を大幅に向上させることを示しています。たとえば、MedCODと微調整を使用したPhi-4は、BLEU 44.23、chrF ++ 28.91、COMET 0.863を達成し、GPT-4oおよびGPT-4o-miniなどの強力な基準モデルを上回りました。除去研究は、MedCODプロンプトとモデル適応の両方が独立してパフォーマンスの向上に貢献し、それらの組み合わせが最高の改善をもたらすことを確認します。これらの結果は、構造化された知識統合が医学翻訳作業のためのLLMを改善する可能性を強調します。

Takeaways、Limitations

•
Takeaways：
◦
MedCODフレームワークは、UMLSとLLM-KBを活用して医学翻訳の精度と品質を向上させることができることを示しています。
◦
構造化されたプロンプトとLoRAベースの微調整の組み合わせは、LLMの医学翻訳性能を向上させるのに効果的であることが証明されています。
◦
さまざまなオープンソースLLMでMedCODの効果が確認され、幅広い適用性を示唆しています。
◦
従来の最先端モデルを上回る性能を達成しました。
•
Limitations:
◦
使用されている並列の束のサイズは比較的小さいかもしれません（2,999件のMedlinePlusの記事）。大規模なデータセットで実験すると、より客観的な結果が得られます。
◦
評価指標として、BLEU、chrF ++、COMETのみを使用して、さまざまな側面の翻訳品質を完全に捉えることができない場合があります。他の評価指標を追加して評価の信頼性を高める必要があります。
◦
特定の医学用語や文脈への依存性が高い場合があります。さまざまな医学分野と複雑な医学用語の一般化の可能性をさらに研究することで確認する必要があります。
◦
この研究では特定のオープンソースLLMのみを使用しているため、他のLLMへの一般化の可能性に関するさらなる研究が必要です。
👍
Made with Slashpage