Large Language Models in Biomedical and Health Informatics: A Review with Bibliometric Analysis
作者: Huizi Yu, Lizhou Fan, Lingyao Li, Jiayan Zhou, Zihui Ma, Lu Xian, Wenyue Hua, Sijia He, Mingyu Jin, Yongfeng Zhang, Ashvin Gandhi, Xin Ma
分类: cs.DL, cs.AI, cs.CL, cs.SI
发布日期: 2024-03-24 (更新: 2024-07-28)
备注: 62 pages, 9 figures, 5 tables
💡 一句话要点
综述大型语言模型在生物医学与健康信息学中的应用与挑战
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 生物医学 健康信息学 临床决策支持 网络分析 个性化医学 公共卫生
📋 核心要点
- 现有方法在生物医学与健康信息学中应用不足，面临伦理和验证挑战。
- 本文通过回顾1698篇研究，系统分析LLMs在BHI中的应用及其潜力。
- 研究结果显示LLMs在临床决策支持和患者互动等领域的应用显著增加，提升了诊断工具的准确性。
📝 摘要（中文）
大型语言模型（LLMs）迅速成为生物医学与健康信息学（BHI）中的重要工具，推动数据分析、患者治疗和研究的新方法。本文旨在全面概述LLMs在BHI中的应用，强调其变革潜力，并探讨相关的伦理和实际挑战。我们回顾了2022年1月至2023年12月间的1698篇研究文章，按研究主题和诊断类别进行分类。此外，我们进行了网络分析，以描绘学术合作和研究动态。研究发现，LLMs在临床决策支持、患者互动和医学文档分析等多种BHI任务中的潜在应用显著增加，预计将提升诊断工具的准确性和患者护理协议。网络分析显示，机构间的合作密集且动态演变，突显了LLM研究的跨学科特性。LLMs在特定疾病类别（如心理健康和神经系统疾病）管理中的应用趋势明显，展示了其对个性化医学和公共卫生策略的影响潜力。尽管前景广阔，模型验证的伦理问题和挑战需要严格审查，以优化其在临床环境中的益处。此调查为医疗保健领域的利益相关者提供了资源，包括研究人员、临床医生和政策制定者，以理解LLMs在BHI中的现状和未来潜力。
🔬 方法详解
问题定义：本文旨在解决大型语言模型在生物医学与健康信息学中的应用不足及其面临的伦理和验证挑战。现有方法在数据分析和患者治疗中存在局限性，难以满足日益增长的需求。
核心思路：论文通过系统回顾和网络分析，全面评估LLMs在BHI中的应用，强调其在临床决策支持和患者互动中的潜力，旨在为未来研究提供指导。
技术框架：研究首先对1698篇相关文献进行分类，接着通过网络分析描绘学术合作关系，最后总结LLMs在不同疾病管理中的应用情况。主要模块包括文献回顾、分类分析和网络分析。
关键创新：本研究的创新点在于系统性地整合了LLMs在BHI中的应用实例，并通过网络分析揭示了跨学科合作的动态特征，这在现有文献中较为少见。
关键设计：在文献分类中，研究采用了多维度的主题和诊断类别划分，确保了分析的全面性和准确性。同时，网络分析使用了图论方法，揭示了研究合作的密集程度和演变趋势。
📊 实验亮点
研究结果显示，LLMs在生物医学与健康信息学中的应用潜力显著，尤其是在临床决策支持和患者互动方面，预计将提升诊断工具的准确性和患者护理协议。网络分析表明，跨机构合作日益密切，为未来的研究提供了新的视角。
🎯 应用场景
该研究的潜在应用领域包括临床决策支持、患者互动和医学文档分析等，能够显著提升医疗服务的效率和质量。未来，LLMs有望在个性化医学和公共卫生策略中发挥更大作用，推动医疗行业的变革。
📄 摘要（原文）
Large Language Models (LLMs) have rapidly become important tools in Biomedical and Health Informatics (BHI), enabling new ways to analyze data, treat patients, and conduct research. This study aims to provide a comprehensive overview of LLM applications in BHI, highlighting their transformative potential and addressing the associated ethical and practical challenges. We reviewed 1,698 research articles from January 2022 to December 2023, categorizing them by research themes and diagnostic categories. Additionally, we conducted network analysis to map scholarly collaborations and research dynamics. Our findings reveal a substantial increase in the potential applications of LLMs to a variety of BHI tasks, including clinical decision support, patient interaction, and medical document analysis. Notably, LLMs are expected to be instrumental in enhancing the accuracy of diagnostic tools and patient care protocols. The network analysis highlights dense and dynamically evolving collaborations across institutions, underscoring the interdisciplinary nature of LLM research in BHI. A significant trend was the application of LLMs in managing specific disease categories such as mental health and neurological disorders, demonstrating their potential to influence personalized medicine and public health strategies. LLMs hold promising potential to further transform biomedical research and healthcare delivery. While promising, the ethical implications and challenges of model validation call for rigorous scrutiny to optimize their benefits in clinical settings. This survey serves as a resource for stakeholders in healthcare, including researchers, clinicians, and policymakers, to understand the current state and future potential of LLMs in BHI.