Resumen: Si bien los modelos de idiomas grandes (LLM) han demostrado ser prometedor en la atención médica, su aplicación para condiciones médicas raras todavía se ve obstaculizada por conjuntos de datos escasos y poco confiables para el ajuste fino. La hiperhidrosis, un trastorno que causa sudoración excesiva más allá de las necesidades fisiológicas, es uno de esos trastornos raros, que afecta al 2-3% de la población e impactan significativamente tanto la comodidad física como el bienestar psicosocial. Hasta la fecha, ningún trabajo ha adaptado las LLM para avanzar el diagnóstico o el cuidado de la hiperhidrosis. Para abordar esta brecha, presentamos LLM4Sweat, un marco LLM de código abierto y específico de dominio para el apoyo de hiperhidrosis confiable y empático. El sistema sigue una tubería de tres etapas. En la etapa de aumento de datos, una LLM Frontier genera viñetas sintéticas médicamente plausibles a partir de datos curados de código abierto para crear un conjunto de datos de respuesta de pregunta diversa y equilibrada. En la etapa de ajuste fino, un modelo de base de código abierto está ajustado en el conjunto de datos para proporcionar diagnóstico, recomendaciones de tratamiento personalizadas y apoyo psicológico empático. En la etapa de inferencia y evaluación de expertos, los especialistas clínicos y psicológicos evalúan la precisión, la idoneidad y la empatía, con respuestas validadas enriqueciendo iterativamente el conjunto de datos. Los experimentos muestran que LLM4SWEat supera a las líneas de base y ofrece el primer marco LLM de código abierto para la hiperhidrosis, ofreciendo un enfoque generalizable para otras enfermedades raras con datos similares y desafíos de confiabilidad.
Publicado Originalme en export.arxiv.org El 21 de agosto de 2025.
Ver Fuente Original
