计算机工程

作者：李佳坤, 刘艳青, 杜方, 余振华, 冯宇, 王慧, 霍显浩

单位：1. 宁夏大学信息工程学院, 宁夏 银川 7500212. 宁夏"东数西算"人工智能与信息安全重点实验室, 宁夏 银川 7500213. 宁夏大数据与人工智能省部共建协同创新中心, 宁夏 银川 7500214. 宁夏医科大学总医院神经外科, 宁夏 银川 750004

关键词：大语言模型,脑肿瘤问答,监督微调,人类反馈强化学习,临床决策支持

基金：宁夏回族自治区重点研发计划(2023BEG02009); 国家自然科学基金(62062058)

通用医学大语言模型(LLM)在脑肿瘤领域存在专业数据匮乏、临床适应性不足及生成内容准确性有限等问题, 提出一种专用于脑肿瘤诊疗领域的大语言模型BrainTumorLLM。该模型基于Meta-LLaMA-3-8B-Instruct模型, 通过监督微调(SFT)和人类反馈强化学习(RLHF)技术优化, 结合自建的高质量脑肿瘤问答数据集BrainTumorQA进行训练。数据集采用宏观-微观协同的构建框架, 共包含11 000条问答对, 涵盖宏观医学知识(症状、诊断方法、治疗方案)及微观临床病例, 并通过脱敏处理与信息约束策略保障数据安全。在技术实现中, 采用低秩适配(LoRA)技术提升训练效率, 设计宏观与微观两级提示模板, 引导模型生成专业化回答, 并引入RLHF, 通过专家偏好驱动优化机制以及近端策略优化(PPO)算法强化生成内容的临床一致性。实验结果表明, BrainTumorLLM在脑肿瘤问答任务中显著优于通用及医学领域模型, 在自动评估环节, 其BLEU-1、BLEU-2分别达到了0.338 3和0.268 4, ROUGE-1、ROUGE-2和ROUGE-L得分分别为0.323 7、0.146 6和0.261 1, 与基准模型相比困惑度从20.362降至7.674, 充分显示了所提模型在脑肿瘤诊疗领域的专业性、精准性及临床应用潜力, 为脑肿瘤的诊断、治疗决策以及医学科研等工作提供有力的智能化辅助支持。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期