Construction of Traditional Chinese Medicine Question-Answering Large Language Model Based on Retrieval-Augmented Generation Technology
-
摘要:目的
构建基于检索增强生成技术的中医药问答大语言模型。
方法收集中医古籍《伤寒论》、中医教材、名老中医经方及其他人工标注的中医数据集组建中医药语料库,构建中医药知识向量库;将检索增强生成(RAG)技术结合P-Tuning v2微调方法与大语言模型(ChatGLM2-6B)进行融合构建中医药问答大语言模型。
结果以精确率、召回率与F1值为知识问答任务的评价指标进行验证,在简单类中医问答可以达到90%以上的准确率,其中成分类问题的回答准确性最高,F1值达到0.928,中高难度问答准确率在75.8%~87.7%之间,F1值均达到0.766以上;以多样性和准确性为中医问题生成任务的评价指标进行专家打分,研究模型相较于基座模型高出了9.5分。
结论研究模型具备良好的语义理解能力和较高的可靠性,有效缓解了模型幻觉并帮助患者明确问题意图,对推进中医药知识的研究以及人性化的交互式回答具有重要意义,为促进中医经验的传承与普及、中医诊疗智能化建设提供了创新方式。
Abstract:OBJECTIVETo construct a large language model for TCM question-answering.
METHODSTCM corpora were built by collecting TCM classics such as Treatise on Cold Damage, TCM textbooks, prescriptions from famous TCM doctors, and other manually annotated TCM datasets. A TCM knowledge vector library was constructed. The RAG technology was fused with the P-Tuning v2 fine-tuning method and the large language model (ChatGLM2-6B) to build the TCM question-answering large language model.
RESULTSRecision, Recall, and F1 score were used as evaluation metrics for knowledge question-answering tasks. The model achieved over 90% accuracy in simple TCM question-answering, with the highest accuracy in component-type questions, reaching an F1 score of 0.928. The accuracy of medium to high difficulty questions ranged from 75.8% to 87.7%, with F1 scores all exceeding 0.766. Expert ratings based on diversity and accuracy were used as evaluation metrics for TCM question generation tasks, and the model in this paper scored 9.5 points higher than the baseline model.
CONCLUSIONThe model in this paper demonstrates good semantic understanding and high reliability, effectively alleviating model hallucinations and helping patients clarify their question intentions. It is of great significance for advancing research on TCM knowledge and providing personalized interactive answers. It also provides an innovative approach to promoting the inheritance and popularization of TCM experience and the intelligent construction of TCM diagnosis and treatment.
-
急性炎症性脱髓鞘性多发性神经病, 简称格林-巴利综合征(Guillain-Barre syndrome, GBS), 是由感染引起的临床神经内科常见免疫性疾病[1], 主要表现为患者肢体活动与感觉障碍、脑神经功能障碍, 甚至可能出现呼吸麻痹[2-4]。GBS的发病多认为与呼吸道感染及胃肠道感染等有关[5-6]。现代医学主要采用血浆置换和静脉注射免疫球蛋白及对症治疗等, 但其价格昂贵, 且患者会出现疲劳、疼痛、肌肉萎缩和疾病复发等不良反应[1]。现代研究表明, 中医药在自身免疫性神经炎和神经退行性疾病的治疗方面具有独特优势, 小续命汤治疗GBS不仅能够改善症状和预后, 还能提高患者的远期生存率[7]。同时, 中医药在患者无法承受静脉注射免疫球蛋白方案带来的经济负担时可作为替代疗法[8]。针灸作为传统的中医疗法, 能疏通经络、收缩肌肉, 在肢体活动障碍、肌无力等疾病治疗中具有重要作用[9-10], 近年来已广泛应用于GBS的治疗, 可改善症状, 缩短疗程, 并减轻患者经济、身体及心理负担。因此, 本研究旨在观察常规治疗基础上辅以针刺疗法对GBS的临床疗效、肌力、神经功能及血清炎症因子水平的影响, 为GBS的临床治疗提供循证依据。
1. 临床资料
1.1 一般资料
以2019年2月至2021年10月于三亚市中医院住院治疗的169例GBS患者为研究对象, 随机分为对照组(83例)和观察组(86例), 其中西药对照组50例, 西药观察组50例, 中药对照组33例, 中药观察组36例。4组患者年龄、性别、病程、病情严重程度差异无统计学意义(P>0.05), 具有可比性, 见表 1。本研究经三亚市中医院伦理委员会批准[伦理批号: 医伦理(2019)005号]。
表 1 4组患者基线资料比较(x±s)Table 1. Comparison of baseline information of patients in the four groups (x±s)组别 例数 性别 年龄/岁 病程/月 休斯功能分级量表 男 女 1级 2级 3级 4级 西药对照组 50 29 21 28.53±5.49 9.16±2.63 6 17 20 7 西药观察组 50 30 20 28.23±5.54 9.28±2.69 6 16 21 7 中药对照组 33 18 15 31.46±6.21 8.48±2.41 5 11 13 4 中药观察组 36 20 16 30.23±4.93 8.75±1.43 4 14 15 3 注: 病情严重程度采用休斯功能分级量表(Hughes functional grading scale, HFGS)[11]评分: 6分为死亡; 5分为需要呼吸机辅助呼吸; 4分为卧床; 3分为步行5 m需要帮助; 2分为可自行行走; 1分为轻微症状或体征; 0分为正常。4级: 评分≤1分, 3级: 2~3分, 2级: 3~4分, 1级: >4分。 1.2 诊断标准
1.2.1 西医诊断标准
参照《中国吉兰-巴雷综合征诊治指南2019》[12]: ①常有前驱感染史, 呈急性起病, 进行性加重, 多在4周内达高峰; ②对称性肢体和延髓支配肌肉、面部肌肉无力, 重者有呼吸肌无力。四肢腱反射减低或消失; ③可伴有感觉异常和自主神经功能障碍; ④脑脊液出现蛋白-细胞分离现象; ⑤电生理检查提示运动神经传导远端潜伏期延长、传导速度减慢、F波异常、传导阻滞、异常波形离散等周围神经脱髓鞘改变; ⑥病程有自限性。
1.2.2 中医诊断标准
诊断标准参照国家中医药管理局《中医病证诊断疗效标准》[13]中的痿证进行诊断: ①肢体筋脉缓和不收, 软弱无力, 甚则瘫痪, 部分病人伴有肌肉萎缩;②由于肌肉痿软无力, 可有睑废、视歧, 肢体麻木、疼痛等病症, 甚则影响排尿、呼吸、吞咽; ③面色萎黄、食欲不振、倦怠乏力等。
1.3 纳入标准
1.3.1 中药观察组及中药对照组纳入标准
① 符合GBS及中医痿证诊断标准; ②年龄18~60岁; ③GBS病史2年以内; ④患者或其家属无法承受西药静脉注射免疫球蛋白方案带来的经济负担; ⑤自愿参加临床试验并签署知情同意书。
1.3.2 西药观察组及西药对照组纳入标准
① 符合GBS及中医痿证诊断标准; ②年龄18~60岁; ③GBS病史2年以内; ④自愿参加临床试验并签署知情同意书。
1.4 排除标准
① 合并感染性疾病, 有各类急性脊髓炎、脊髓灰质炎等患者; ②其它原因引起的四肢麻痹, 如重症肌无力、低钾性麻痹等; ③对本研究中所有药物有禁忌者。
2. 方法
2.1 治疗方法
西药对照组给予以下3种药物治疗, 静脉注射免疫球蛋白0.4 g·kg-1·d-1(成都蓉生药业有限责任公司, 批号: 202003006, 规格: 5% 25 mL, 1.25 g·瓶-1), 连续使用5 d; 肌肉注射维生素B12 0.5 mg·d-1(国药集团容生制药有限公司, 批号: 201912, 规格: 1 mL∶0.5 mg·支-1), 连续使用2周; 甲强龙1 000 mg·d-1(天津金耀药业有限公司, 批号: 202010, 规格: 500 mg)配入0.9%生理盐水500 mL, 逐日减量为500、250、80、40 mg·d-1静脉滴入, 连续使用5 d。
中药对照组给予小续命汤, 组方: 麻黄10 g, 人参10 g, 川芎10 g, 黄芩10 g, 肉桂10 g, 甘草10 g, 芍药10 g, 防己10 g, 杏仁10 g, 附子5 g, 防风15 g, 生姜15 g。随证加减: 热盛者去肉桂、附子, 加石膏30 g, 知母15 g; 脾胃气虚加党参15 g, 白术10 g;肝肾亏虚加熟地黄10 g, 山茱萸10 g, 山药10 g; 便秘加大黄5 g;食欲不振加山楂10 g, 麦芽10 g。药材均来自四川新绿色药业科技发展有限公司, 由三亚市中医院制剂科统一煎煮成600 mL, 日1剂, 分早晚饭后2次服, 连续治疗4周。
观察组在此基础上给予针刺治疗。主穴: 腰阳关、大椎、华佗夹脊、百会、水沟、至阳、命门、身柱、膏肓。配穴: 上肢取双侧合谷、曲池、手三里、肩髃; 下肢取双侧梁丘、足三里、髀关、太冲、悬钟。结合患者实际情况每次选择8个穴位, 针具选用华佗牌针灸针。75%酒精消毒后, 大椎、夹脊穴、合谷、太冲采用25 mm×0.35 mm针灸针进针, 腰阳关、百会、至阳、命门、身柱、膏肓、曲池、手三里、肩髃、梁丘、足三里、髀关、太冲、悬钟采用40 mm×0.35 mm针灸针进针, 得气后连接脉冲电针仪(6805-D, 广州康迈医疗器械有限公司), 负极接主穴, 正极接配穴。选用疏波(2~5 s-1), 强度以患者肌肉出现节律性收缩为好, 每个体位各留针30 min, 共治疗1 h。每周治疗5 d, 连续治疗4周。
2.2 观察指标及方法
2.2.1 四肢肌力评估
根据《实用神经内科诊疗学》[14]中的相关标准对患者肌力进行评估, 满分5分, 分值越高表示患者肌力越好。
2.2.2 神经功能检测
根据《实用肌电图学》中的相关标准[15], 使用丹麦Medtronic肌电图仪检查神经电生理变化, 包括患者双侧正中神经及胫神经的运动神经传导速度(MCV)、感觉神经传导速度(SCV)。
2.2.3 中医证候积分及疗效评价
参照国家中医药管理局《中医病证诊断疗效标准》[13], 评估4组患者治疗前后的中医证候积分变化情况, 辨证要点: 肌肉痿软无力、面色萎黄、食欲不振、倦怠乏力, 按观察项目无、轻、中、重分别记为0、1、2、3分, 分值越高, 症状越重。
疗效评定: 有效率=(治愈+好转)/总例数×100%。①治愈: 肢体能正常活动, 且临床症状基本消失, 日常生活能够完全自理; ②好转: 肢体痿弱逐步好转, 且临床症状显示部分好转, 日常生活基本能够自理; ③未愈: 肢体无明显改善或显示加重, 且临床症状与日常生活能力无明显改善。
2.2.4 血清炎症因子水平检测
早上8点采集患者空腹静脉血, 收集于抗凝真空管内, 4 ℃条件下, 3 000 r·min-1离心10 min后, 分离血清, 保存在-80 ℃冰箱。采用ELISA法检测患者血清白介素-10(IL-10), 白介素-18(IL-18)水平, 试剂盒购自上海酶联生物科技有限公司, 货号: ml-E10036, 检测仪器为赛默飞Multiskan FC酶标仪, 具体步骤严格按照试剂盒说明书操作。
2.2.5 安全性评价
治疗前后早上8点采集患者空腹静脉血, 检测患者血常规: 白细胞(WBC); 肝功能: 谷草转氨酶(AST)、谷丙转氨酶(ALT)、谷氨酰转移酶(GGT); 肾功能: 肌酐(CR)、尿素氮(BUN)、尿酸(UA)。由三亚市中医院检验科检测。
2.3 统计学分析
采用SPSS20.0软件进行数据分析, 正态分布的连续变量以x±s表示。组间比较采用独立样本t检验, 组内比较采用配对样本t检验。计数资料以频数表示, 采用χ2检验。P < 0.05为差异有统计学意义。
3. 结果
3.1 4组患者治疗前后四肢肌力比较
治疗前, 各观察组上肢近端、上肢远端、下肢近端、下肢远端肌力与对照组相比无明显差异; 治疗后, 西药和中药观察组上肢近端、上肢远端、下肢近端、下肢远端肌力明显升高(P < 0.05, P < 0.01), 高于对照组(P < 0.05), 结果见图 1。
3.2 4组患者治疗前后神经功能比较
治疗前, 各观察组正中神经、胫神经MCV、SCV与对照组相比无明显差异; 治疗后, 西药和中药观察组正中神经、胫神经MCV、SCV明显升高(P < 0.05), 高于对照组(P < 0.05), 结果见图 2。
3.3 4组患者治疗前后中医证候积分比较
治疗4周后, 西药和中药观察组面色萎黄、食欲不振、倦怠乏力、肌肉萎软无力积分明显下降(P < 0.05), 优于对照组(P < 0.05), 结果见图 3。
3.4 4组患者中医治疗后临床疗效比较
结果见表 2。
表 2 4组患者治疗后中医临床疗效比较Table 2. Comparison of clinical efficacy of TCM after treatment in the four groups组别 例数 治愈 好转 未愈 有效率/% 西药观察组 50 28 21 1 98.00* 西药对照组 50 20 19 11 78.00 中药对照组 33 11 15 7 78.79 中药观察组 36 14 19 3 91.67* 注: 组间比较, χ西药组2=5.28, χ中药组2=5.13, *P < 0.05。 3.5 4组患者治疗前后血清炎性因子水平比较
结果见表 3。
表 3 4组患者治疗前后血清炎性因子水平比较(x±s, pg·mL-1)Table 3. Comparison of serum inflammatory factors before and after treatment in the four groups (x±s, pg·mL-1)组别 例数 时间 IL-10 IL-18 西药对照组 50 治疗前 46.23±5.94 135.43±28.47 治疗后 67.42±5.51** 66.47±15.33** 西药观察组 50 治疗前 46.15±5.84 135.52±28.54 治疗后 69.28±6.04**Δ 62.24±17.62**Δ 中药对照组 33 治疗前 45.28±6.31 134.86±26.97 治疗后 68.53±4.84** 63.87±6.74** 中药观察组 36 治疗前 45.83±5.59 135.93±27.35 治疗后 70.06±5.62**Δ 60.64±9.32**Δ 注: 组内比较, **P < 0.01;组间比较, ΔP < 0.05。 3.6 4组患者安全性指标比较
各组治疗后血常规及血生化检测均未见明显异常改变,结果见表 4。
表 4 4组患者治疗前后安全性比较(x±s)Table 4. Comparison of safety indexes before and after treatment in the four groups (x±s)组别 例数 时间 WBC/(109·L-1) AST/(U·L-1) ALT/(U·L-1) GGT/(U·L-1) CR/(μmol·L-1) BUN/(μmol·L-1) UA/(μmol·L-1) 西药对照组 50 治疗前 5.96±1.69 25.12±2.91 27.65±3.23 14.13±4.36 81.12±11.78 4.53±0.70 230.19±31.59 治疗后 5.95±1.70 25.71±3.23 28.35±3.48 13.43±4.87 84.32±12.28 3.31±0.63 254.59±30.69 西药观察组 50 治疗前治疗后 6.02±1.61 24.78±2.87 24.56±3.15 13.93±4.96 70.04±14.91 3.91±0.76 274.61±38.72 治疗后 6.13±1.65 23.56±2.48 26.75±3.82 15.34±5.28 66.64±15.12 4.82±0.55 273.71±41.81 中药对照组 33 治疗前 6.05±1.67 25.98±3.13 27.62±4.21 13.85±4.12 78.21±13.22 4.31±0.59 246.39±32.78 治疗后 6.07±1.71 26.85±3.23 26.91±4.13 14.58±4.43 72.65±11.84 4.28±0.42 228.82±37.58 中药观察组 36 治疗前 5.98±1.69 25.51±3.02 26.05±3.78 13.55±4.17 67.81±15.82 5.71±0.47 258.57±31.63 治疗后 6.08±1.72 25.39±2.94 24.84±4.27 13.42±4.23 69.74±16.81 6.20±0.23 283.72±32.72 4. 讨论
GBS患者在前期感染阶段, 免疫系统受到损伤, T细胞被激活, 导致大量炎性因子释放, 进而对周围神经系统造成损伤[11, 16]。GBS患者肢体会出现感觉及运动障碍, 甚至神经功能障碍等, 对其生活质量造成了严重影响[17-18]。临床上常采用西药治疗, 但容易出现疲劳、肌肉萎缩等症状, 加之费用昂贵, 难以满足治疗需求[19-20]。
中医学认为GBS属于“痿证”范畴, 治疗应以调理气血、舒筋活络为根本, 促进患者肢体功能恢复, 防止肌肉萎缩[15-16]。针刺可以对患者肌肉产生刺激, 促进肌肉感觉和运动神经兴奋; 还可以直接刺激病变部位, 降低局部水肿, 改善患者血液循环状态, 进而促进神经髓鞘的修复; 另外, 针刺刺激患者穴位, 促进患者气血运行, 进而调理患者脏腑功能[4, 9]。中医经络学说和腧穴理论认为, 进行机械刺激和感觉刺激可激活人体自身的功能, 达到平衡阴阳、治疗疾病的目的[2, 19]。《素问·痿论》曰: “治痿者独取阳明”[21], 阳明为多气多血之经, 临床应用频次最多的为手足阳明经; 督脉对全身阳经脉气有统率作用, 它的脉气多与手足之阳经相交会, 大椎穴是其集中点; 华佗夹脊穴位于督脉之旁, 又与膀胱经的脏腑背俞穴相通。本研究结果显示, 观察组肌力恢复明显好于对照组(P < 0.05), 提示辅以针刺疗法能够明显改善患者肌力, 原因可能与针刺能够促使患者肌肉收缩, 进而达到促进患者肌力恢复的作用有关。
运动和感觉神经传导是神经功能和肢体恢复的重要指标, 旨在揭示症状改善背后的神经传导机制。MCV减慢反映脱髓鞘改变, 汤晓芙等[22]报道MCV指标在GBS发病4周内的总异常率高达90%, 在GBS进程中SCV异常比MCV少见且出现较晚, 这可能是由于感觉神经纤维的髓鞘直径相对较大, 运动神经纤维的髓鞘较薄, 导致运动神经纤维在免疫反应的过程中容易脱失而使神经传导出现异常。本研究结果显示, 观察组神经功能明显好于对照组(P < 0.05), 提示辅以针刺可明显改善患者神经功能, 这与针刺刺激患者穴位、改善脏腑功能等作用有关。与其他研究相比[23], 均显示针刺治疗可促进患者神经和肢体功能恢复, 但是治疗效果与本研究存在一定差异, 可能是因为本研究患者在实际情况的基础上选择不同穴位进行针刺, 从而更有针对性地治疗。
由于GBS是一种涉及细胞免疫和体液免疫的自身免疫性疾病。主要涉及的炎性细胞因子有TNF-α、INF-γ、IL-2、IL-6、IL-10、IL-18等。IL-10能够抑制T细胞增殖分化, 促进B细胞增殖, 并分化为抗体生成细胞。刘洪波等[24]的研究表明IL-10在GBS免疫病理中可能是由于抑制部分炎症因子和介质产生的保护作用。IL-18参与神经系统变态反应性疾病的发生, 李清华等[25]的研究结果显示, IL-18水平随着GBS疾病的发展逐渐升高, 治疗后炎症被抑制, IL-18水平逐渐降低, 病情恢复。本研究结果显示, 观察组的炎性因子水平显著恢复(P < 0.05), 提示辅助以针刺治疗可明显降低患者炎性反应程度, 这可能与针刺可以减轻患者病灶局部水肿、活血化瘀等作用有关。
本研究观察组中医证候评分明显低于对照组(P < 0.05), 表明针刺能够促进患者身体恢复。无论是西药还是中药, 其观察组的治疗总体有效率皆显著高于对照组(P < 0.05)。4组均未出现明显不良反应, 提示针刺疗法在GBS治疗中疗效与安全性均佳。
本次实验研究收集169例患者, 考虑到单纯采用西药治疗, 容易出现疲劳、肌肉萎缩等症状, 且西药费用昂贵, 所以另加中药治疗, 分为了西药、西药+针刺、中药、中药+针刺4组。将针刺辅助西药和中药治疗GBS, 从患者肌力、神经功能、中医证候评分、血清炎症因子水平、临床疗效及并发症等方面对其进行了更为全面的系统性观察, 结果表明针刺能从多方面促进GBS患者康复, 改善症状和预后, 疗效确切。由于本研究只针对常规治疗手段上辅以针刺治疗, 以探讨针刺辅助疗法是否能增强西药或中药治疗GBS的疗效, 并未在常规治疗的西药和中药之间进行比较研究, 且由于课题组成本及人员受限, 未进行病例随访, 后续将继续深入研究。
综上所述, 针刺辅助治疗GBS能够明显改善患者肌力、神经功能以及中医证型积分, 恢复患者血清炎症因子水平、提高临床疗效, 且无明显不良反应, 表明其临床治疗GBS具有确切的疗效和应用价值, 值得临床推广。
-
表 1 实验超参数设置表
Table 1 Experimental hyperparameter settings
参数名称 参数值 说明 per_device_train_batch_size 1 每个设备的训练批次大小 max_len 1 560 输入序列的最大长度 max_src_len 1 024 源序列的最大长度 learning_rate 1e-4 学习率 weight_decay 0.1 权重衰减 表 2 答案生成评估
Table 2 Answer generation evaluation
问题类别 本研究模型 ChatGLM2-6B 准确率 召回率 F1 准确率 召回率 F1 成分类 0.927 0.931 0.928 0.832 0.790 0.810 判断类 0.916 0.895 0.905 0.804 0.790 0.794 功效类 0.877 0.868 0.872 0.777 0.816 0.795 主治类 0.837 0.822 0.829 0.799 0.766 0.782 属性类 0.758 0.775 0.766 0.579 0.570 0.573 表 3 问题生成评估
Table 3 Question generation evaluation
性能对比 本研究模型 ChatGLM2-6B 多样性(score1、score2) 29.5 24.5 准确性(score3、score4、score5) 53.75 49.25 总计(scoreoverall) 83.25 73.75 表 4 实例分析表
Table 4 Example analysis
问题示例 本研究模型 ChatGLM2-6B 参考答案 当归补血汤组成 根据已知信息,当归补血汤的组成为黄芪一两(30 g)和当归酒洗,二钱(6 g)。黄芪味甘补气,当归味厚,为阴中之阴,故能养血。两药相合,补血气自生,故名为补血汤。 当归补血汤是一种传统的中药方剂,主要用于治疗血虚血弱、面色萎黄、眩晕耳鸣、心悸失眠等症状。它的组成包括以下药材: 当归2钱(6 g),熟地黄2钱(6 g),白芍2钱(6 g),川芎1钱(3 g),桃仁1钱(3 g),红花1钱(3 g),当归2片(4 g)。将以上药材煎煮后,加入适量的水,煮沸后改用文火煎煮30 min,即可得到当归补血汤。 黄芪一两(30 g) 当归酒洗,二钱(6 g) 伤寒中风,有柴胡证,但见一证便是,不必悉具 根据已知信息,可以判断出该问题涉及中医诊断和治疗。柴胡证是指口苦、咽干、目眩、往来寒热、胸胁苦满、默默不欲饮食、心烦喜呕等症状,而小柴胡汤是一种常用的解表发汗方剂,可以用于治疗伤寒、中风等疾病。但是,该问题中提到了“伤寒中风,有柴胡证,但见一证便是,不必悉具”,说明在某些情况下,只需要根据一种症状就可以应用小柴胡汤进行治疗,而不必追求全部症状的齐全。 根据《伤寒论》和《金匮要略》的相关内容,伤寒中风有柴胡证、 浮紧脉、不汗出、身疼痛、脉弦等症状时,不用悉具,只需要证候符合其中一项即可。因此,伤寒中风,有柴胡证,但见一证便是,不必悉具的答案是正确的。 “伤寒中风”,即不论伤寒还是中风。“有柴胡证”,是指口苦、咽干、目眩、往来寒热、胸胁苦满、默默不欲饮食、心烦喜呕诸症。“但见一证便是,不必悉具”,是言临床凡见到柴胡证的一部分主症,只要能反映少阳病枢机不利,胆火上炎的病机特点,确认为少阳病,即可应用和解之法,投以小柴胡汤,而不必待其主症全部具备再行其方。 “有一分恶寒,便有一分表证”,便可以生成一条逻辑规则,有“恶寒”情况下,是否有“表证” 根据已知信息,可以得出结论:若出现发热恶寒、头身疼痛、无汗、脉浮紧等症状,则必为太阳表证。但是,如果同时出现下利症状,则说明病涉阳明胃肠,因此太阳与阳明合病。 根据所提供的问题,我们可以生成一条逻辑规则:“有一分恶寒,便有一分表证”。这条规则的意思是,当出现恶寒的情况时,就会有一分表证。 恶寒为贯穿太阳病始终的一个主症,前人有“有一分恶寒,即有一分表证”之说,虽非绝对,但道出了恶寒在太阳病中的重要地位。 容颜早衰、腰膝酸软、失眠健忘,但有些食物对女人的肾伤害很大的。请生成多种针对性问题。 哪些食物对女人的肾伤害很大?
喝饮料对人体有什么影响?
长期食用咸菜会对人体有什么影响?
过量使用喹诺酮类药物和氨基糖苷类抗生素会对肾脏造成哪些伤害?哪些食物对女人的肾伤害很大?
哪些食物容易导致容颜早衰、腰膝酸软和失眠健忘?
哪些食物对女性的肾脏健康不利?
哪些食物容易引起肾脏疾病?女人肾虚会引起什么?
长时间饮料对人的坏处是什么?
长时间吃咸菜对人的坏处是什么?
饮用过量的浓茶对人的坏处是什么? -
[1] 文森, 钱力, 胡懋地, 等. 基于大语言模型的问答技术研究进展综述[J]. 数据分析与知识发现, 2024, 8(6): 16-29. WEN S, QIAN L, HU M D, et al. Review of research progress on question-answering techniques based on large language models[J]. Data Anal Knowl Discov, 2024, 8(6): 16-29.
[2] 王润周, 张新生. 基于混合动态掩码与多策略融合的医疗知识图谱问答[J]. 计算机科学与探索, 2024, 18(10): 2770-2786. WANG R Z, ZHANG X S. Medical knowledge graph question answering based on hybrid dynamic masking and multi-strategy fusion[J]. Comput Sci Exp, 2024, 18(10): 2770-2786.
[3] 田迎, 单娅辉, 王时绘. 基于知识图谱的抑郁症自动问答系统研究[J]. 湖北大学学报(自然科学版), 2020, 42(5): 587-591, 596. TIAN Y, SHAN Y H, WANG S H. The research of depression automatic question answering system based on knowledge graph[J]. J Hubei Univ Nat Sci, 2020, 42(5): 587-591, 596.
[4] 李启渊, 张静, 徐权光, 等. ChatGPT在中医医院智慧化建设中的应用、挑战及对策[J]. 卫生软科学, 2024, 38(4): 78-81. LI Q Y, ZHANG J, XU Q G, et al. Application, challenges and countermeasures of ChatGPT in the construction of smart TCM hospitals[J]. Soft Sci Health, 2024, 38(4): 78-81.
[5] WEI S B, PENG X P, WANG Y F, et al. BianCang: A traditional Chinese medicine large language model[J]. arXiv preprint arXiv: 2411.11027, 2024.
[6] WANG H C, LIU C, XI N W, et al. HuaTuo: Tuning LLaMA model with Chinese medical knowledge[J]. arXiv preprint arXiv: 2304. 06975, 2023.
[7] LI Y X, LI Z H, ZHANG K, et al. ChatDoctor: A medical chat model fine-tuned on a large language model meta-AI (LLaMA) using medical domain knowledge[J]. Cureus, 2023, 15(6): e40895.
[8] GILBERT S, KATHER J N, HOGAN A. Augmented non-hallucinating large language models as medical information curators[J]. NPJ Digit Med, 2024, 7(1): 100.
[9] LEWIS P, PEREZ E, PIKTUS A, et al. Retrieval-augmented generation for knowledge-intensive nlp tasks[J]. Adv Neural Inf Proc Syst, 2020, 33: 9459-9474.
[10] LIU X, JI K X, FU Y C, et al. P-tuning v2: Prompt tuning can be comparable to fine-tuning universally across scales and tasks[J]. arXiv preprint arXiv: 2110.07602, 2021.
[11] DU Z X, QIAN Y J, LIU X, et al. GLM: General language model pretraining with autoregressive blank infilling[J]. arXiv preprint arXiv, 2021, 2103.10360.
[12] ZENG A H, LIU X, DU Z X, et al. GLM-130B: An open bilingual pre-trained model[J]. arXiv preprint arXiv, 2022, 2210.02414.
[13] VASWANI A, SHAZEER N, PARMAR N, et al. Attention is all you need[J]. Adv Neural Inf Proc Syst, 2017, 30. http://courses.cs.ut.ee/MTAT.03.292/2017_fall/uploads/Main/Attention%20is%20All%20you%20need.pdf
[14] JOHNSON J, DOUZE M, JEGOU H. Billion-scale similarity search with GPUs[J]. IEEE Trans Big Data, 2021, 7(3): 535-547.
[15] 王翼虎, 白海燕, 孟旭阳. 大语言模型在图书馆参考咨询服务中的智能化实践探索[J]. 情报理论与实践, 2023, 46(8): 96-103. WANG Y H, BAI H Y, MENG X Y. Exploration of intelligent practice of large language models in library reference and consultation services[J]. Inf Sci Theor Appl, 2023, 46(8): 96-103.
[16] 张君冬, 杨松桦, 刘江峰, 等. AIGC赋能中医古籍活化: Huang-Di大模型的构建[J]. 图书馆论坛, 2024, 44(10): 103-112. ZHANG J D, YANG S H, LIU J F, et al. AIGC empowering the revitalization of ancient books on traditional Chinese medicine: Building the Huang-Di large language model[J]. Libr Tribune, 2024, 44(10): 103-112.
[17] ZHANG T Y, KISHORE V, WU F, et al. BERTScore: Evaluating text generation with BERT[J]. arXiv preprint arXiv: 1904.09675, 2019.