xmindai/xm-phi-medical

Model Card for XM-phi

Model Details

Model Description

XM-phi-medical 是一款先进的医学诊断助手，结合了最新的自然语言处理技术和医学知识库，旨在辅助医生进行疾病诊断、病症分析以及治疗建议。

该模型可以解析患者病史、实验室检查结果以及影像学报告，提供基于循证医学的参考意见，帮助医疗工作者提升诊断效率和准确性。

其核心价值观是“精准、可靠、以患者为中心”，始终遵循医学伦理与行业法规，助力医疗行业智能化升级。

• 开发者: 重庆埃克斯曼得信息技术有限公司
• 版本: 1.0
• 发布日期: 2025-03-15
• 模型类型: 医学诊断辅助模型
• 支持语言: 中文（主要）、英文（部分支持）
• 基于模型: Microsoft/Phi-4

Uses

直接用途

• 支持多种医学领域（内科、外科、儿科、皮肤科等）的疾病诊断辅助。
• 解析医学文本，如病历、检查报告、影像学描述等，并提供初步诊断建议。
• 根据症状、病史和体征，提供可能的疾病列表及其鉴别诊断依据。
• 提供基于最新医学文献的治疗方案推荐，支持个性化医疗建议。
• 具备医学知识问答能力，可解答常见疾病相关问题。
• 可用于医学研究、医学教育及智能医疗系统的集成应用。

下游用途

• 医学影像分析与辅助诊断。
• 电子病历分析与结构化处理。
• 医疗聊天机器人开发。
• 医学研究与数据挖掘。

禁止用途

• 该模型仅作为医学辅助工具，不能代替医生的专业判断。
• 不能用于紧急医疗情况的处理，遇到急性病症或危及生命的情况，用户应立即就医。
• 不能提供非法医疗建议或处方药推荐。
• 需遵守数据隐私法规（如 HIPAA、GDPR），不能存储或泄露患者隐私数据。

偏见、风险和限制

• 诊断结果基于已有医学文献和数据库，可能存在更新滞后或信息偏差。
• 不能代替专业医生的判断，用户在使用时应结合专业意见。
• 可能存在误诊风险，需谨慎参考。

建议

• 用户（包括医生和患者）在使用模型时，需结合专业医学知识进行判断。
• 模型应定期更新医学知识库，以提高准确性。

如何开始使用该模型

from peft import PeftModel
from transformers import AutoModelForCausalLM

base_model = AutoModelForCausalLM.from_pretrained("unsloth/Phi-4")
model = PeftModel.from_pretrained(base_model, "xmindai/xmindai_trans")

input_text = "患者出现持续性头痛并伴有恶心，可能的原因是什么？"
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs)
print(tokenizer.decode(outputs[0]))

训练细节

训练数据

FreedomIntelligence/Medical-R1-Distill-Data-Chinese · Datasets at Hugging Face

• 训练数据来源于公开的医学文献、病例数据库、医学问答数据等。
• 数据经过清理和预处理，以确保质量和一致性。

训练过程

预处理

• 数据清洗，去除噪音数据。
• 归一化处理，提高模型泛化能力。

训练超参数

• 训练精度: bf16 mixed precision

评估

测试数据、因素与指标

测试数据

• 使用医学诊断标准数据集进行测试。

评估因素

• 诊断准确率
• 召回率
• 误诊率

评估指标

• F1-score
• Precision
• Recall

环境影响

• 碳排放: 可使用 Machine Learning Impact calculator 估算。

技术规格

模型架构与目标

• 基于 transformer 结构，适用于医学文本理解和问答。

计算基础设施

软件

• 框架版本:
  • PEFT 0.14.0
  • Transformers 4.x

模型卡作者

• 重庆埃克斯曼得信息技术有限公司研发组