Disc-MedLLM由复旦大学发布的针对医疗健康对话式场景而设计的医疗领域大模型与数据集，该模型由 DiscMedSFT 数据集基于 Baichuan13BBase 指令微调得到，有效地对齐了医疗场景下的人类偏好。
2.数据训练：为训练DISC-MedLLM，研究人员构建了一个高质量的数据集DISCMedSFT，该数据集包含了超过47万个不同的示例，这些示例来源于现有的多个医疗数据集，并采用目标导向策略，通过选择性地重构数据集，使其能够帮助语言模型获取医学领域知识、对齐人类偏好行为模式以及捕捉真实世界在线医疗对话的分布情况。
知识密集且可靠：经过大量专业医疗数据训练，能够为用户提供准确、可靠的医疗知识和信息，可有效应用于各种医疗咨询和治疗询问场景，为用户提供高质量的健康支持服务。
疾病诊断辅助：患者可以向DISCMedLLM描述自身的症状，如发热、咳嗽、头痛等，模型会根据输入的症状信息，给出可能的病因分析，帮助患者初步了解自身的健康状况，为后续的就医提供参考。
治疗方案推荐：在患者提供了相关病情信息后，模型能够依据其知识库，为患者推荐相应的治疗方案，包括药物治疗、物理治疗、饮食建议等，使患者在就医前对治疗方式有一定的认知。
健康知识解答：患者可以询问与自身无关的一般性医学知识，例如某种疾病的预防方法、特定药物的作用与副作用等，模型会尽可能专业地作答，满足患者对医学知识的求知欲，帮助其更好地进行日常健康管理。
医生诊断参考：医生在诊断过程中，可以将患者的症状、检查报告等信息输入DISC-MedLLM，模型提供的可能病因、诊断建议等内容，能够作为医生诊断的参考，辅助医生更全面地考虑病情，减少漏诊、误诊的可能性。
治疗方案制定：对于复杂病情，医生可以借助DISC-MedLLM的分析和建议，综合考虑不同的治疗方案，为患者制定更个性化、更科学合理的治疗计划，提高治疗效果。
3.在线医疗服务
在线问诊平台：集成到在线问诊平台中，作为智能问诊助手，为患者提供24小时不间断的医疗咨询服务，缓解线下医疗资源的压力，提高医疗服务的可及性和效率。
远程医疗：在远程医疗场景下，帮助医生更好地了解患者的病情，即使医患双方不在同一物理空间，也能进行有效的沟通和诊断，促进远程医疗的发展。
6.健康管理
个性化健康建议：根据用户的健康状况、生活习惯等信息，为用户提供个性化的健康管理建议，包括饮食调整、运动计划、心理调节等，促进用户的整体健康水平提升 。
疾病风险预警：结合用户的家族病史、生活方式等因素，对用户可能面临的疾病风险进行预警，提醒用户采取相应的预防措施，降低患病风险。
Disc-MedLLM有效地弥补了通用语言模型在医疗领域的不足，通过实验结果证明，该模型能够更好地满足医疗场景下的对话需求，为医患之间的沟通和交流提供有力支持，推动医疗服务的智能化和个性化发展。
