MedRAG

什么是 MedRAG

MedRAG (Medical Retrieval-Augmented Generation) 是一个专门为医疗领域设计的检索增强生成（Retrieval-Augmented Generation, RAG）框架。它旨在通过结合从医学知识库或电子健康记录（Electronic Health Records, EHR）中检索到的相关信息与大型语言模型（Large Language Models, LLMs）的生成能力，从而提升医疗诊断和治疗建议的准确性和可靠性。MedRAG 的核心思想是利用外部医学知识来增强 LLMs 的推理能力，尤其是在疾病表现相似、难以区分的情况下，从而减少误诊率，并为医疗从业人员提供更精准的决策支持。

MedRAG 的功能

MedRAG 框架具备以下关键功能：

• 知识图谱增强推理： MedRAG 的核心在于整合了一个全面的四层分层诊断知识图谱（Diagnostic Knowledge Graph, KG），该知识图谱包含了各种疾病的关键诊断差异。通过利用知识图谱的推理能力，MedRAG 能够提供更具体和个性化的诊断见解。

• 电子健康记录检索： MedRAG 能够从 EHR 数据库中检索与患者病情相似的记录，并将这些信息动态地与知识图谱中的诊断差异相结合，为 LLM 提供更丰富的上下文信息。
• 多层次表现匹配： MedRAG 能够将患者的临床表现分解为症状和部位等特征，并在诊断知识图谱内进行多层次的匹配和向上遍历，从而识别关键的诊断差异。
• 主动生成后续问题： 除了提供诊断和治疗建议外，MedRAG 还能够根据需要主动生成相关的后续诊断问题，以进一步澄清模糊的患者信息，从而提高诊断的准确性。
• 支持多种大型语言模型： MedRAG 被设计为能够与多种 LLMs 集成，包括开源和闭源模型，例如 OpenAI 的 GPT-3.5 和 GPT-4，以及 Meta 的 Llama 系列等。这为用户提供了灵活性，可以根据自己的需求选择合适的 LLM 作为 MedRAG 的推理引擎。
• 在真实世界和公共数据集上进行评估： MedRAG 在公共数据集 DDXPlus 和合作医院提供的私人慢性疼痛诊断数据集（CPDD）上进行了评估，实验结果表明，与现有的 RAG 方法相比，MedRAG 在降低误诊率方面表现更优。
• 加速信息检索： MedRAG 提供了通过缓存语料库和使用 HNSW 索引等技术来加速信息检索的功能，从而提高系统的响应速度。
• 支持多种医学知识来源： MedRAG 可以利用来自 PubMed、StatPearls、医学教科书和维基百科等多个不同来源的医学知识作为其语料库。

如何使用/快速开始

要开始使用 MedRAG 工具包，您可以按照以下步骤进行操作：

1. 安装依赖： 首先，您需要安装与您的系统 CUDA 版本兼容的 PyTorch，然后使用 pip 安装 MedRAG 的其余依赖项：

   pip install -r requirements.txt

   对于使用 GPT-3.5 或 GPT-4 等模型，您可能需要一个 OpenAI API 密钥，并将其添加到 src/config.py 文件中。首次下载和加载语料库可能需要安装 Git-lfs。如果需要使用 BM25 检索器，还需要安装 Java。

2. 配置 API 令牌： 如果您计划使用 OpenAI 或 Hugging Face 的模型，您需要替换 authentication.py 文件中的占位符，填入您自己的 API 令牌。
3. 初始化 MedRAG 对象： 在您的 Python 代码中，导入 MedRAG 类并创建一个实例。您可以指定要使用的 LLM 名称、是否启用 RAG、检索器名称和语料库名称等参数。例如：

   from medrag import MedRAG
   
    medrag = MedRAG(llm_name="OpenAI/gpt-3.5-turbo-16k", rag=True, retriever_name="MedCPT", corpus_name="Textbooks")

4. 提出问题： 您可以向 MedRAG 对象提出医学相关的问题。例如：

   question = "A lesion causing compression of the facial nerve at the stylomastoid foramen will cause ipsilateral"
    options = {
        "A": "paralysis of the facial muscles.",
        "B": "paralysis of the facial muscles and loss of taste.",
        "C": "paralysis of the facial muscles, loss of taste and lacrimation.",
        "D": "paralysis of the facial muscles, loss of taste, lacrimation and hyperacusis."
    }
    answer, snippets, scores = medrag.answer(question, options)

5. 获取答案和相关信息： medrag.answer() 方法将返回答案、相关的文本片段（snippets）以及它们的分数。
6. 加速检索（可选）： 您可以通过在初始化 MedRAG 对象时设置 corpus_cache=True 来将语料库缓存到内存中，以加快后续的信息检索速度。对于密集检索器，首次初始化时设置 HNSW=True 可以进一步加速索引构建。

MedRAG 提供了一个强大的工具，可以帮助医疗专业人员更准确地进行诊断和制定治疗方案。通过结合知识图谱推理和信息检索，它有望在医疗决策支持领域发挥重要作用。