本项目开源了基于ChatGLM-6B LoRA 16-bit指令微调的中文医疗通用模型。基于共计28科室的中文医疗共识与临床指南文本，我们生成医疗知识覆盖面更全，回答内容更加精准的高质量指令数据集。以此提高模型在医疗领域的知识与对话能力。

1. 配置项目依赖环境

   cd src
   pip install -r requirements.txt

2. 下载ChatGLM-6B模型参数pytorch_model-0000X-of-00008.bin（参考ChatGLM-6B），将其放入./model目录下。

3. 运行交互文件（要求单卡显存 >= 15G）

   CUDA_VISIBLE_DEVICES=$cuda_id python ./demo.py

4. 命令行交互界面实例

   Human:
   医生您好，我现在在用一长三速胰岛素注射治疗糖尿病，晚上长效胰岛素注射 12 个单位，速效胰岛素在三餐前注射各6 个单位，血糖不是特别稳，早上空腹的血糖高，晚餐后有时候血糖低，我该如何调整？
   ------------------------------------------------
   Answer:
   非常感谢您向我咨询关于胰岛素注射的问题。根据您提供的信息，您正在使用一长三速胰岛素注射治疗糖尿病，并且晚上需要注射12 个单位。速效胰岛素在三餐前注各6 个单位，但是血糖不是特别稳，早上空腹的血糖高，晚餐后有时候血糖低。针对您的问题，我建议采取以下措施：
   1. 调整饮食：饮食对于控制血糖非常重要。您可以尝试控制饮食中的糖分和碳水化合物的摄入量，以降低空腹血糖和餐后血糖的波动。同时，建议增加蛋白质和脂肪的摄入量，以满足身体的能量需求。
   2. 监测血糖：建议定期监测血糖，了解血糖的变化情况。可以随身携带血糖仪，并在需要时进行监测。
   3. 调整胰岛素剂量：根据您的血糖水平和饮食控制情况，调整长效和速效胰岛素的剂量。可以咨询您的医生或专业营养师，以确定最佳的剂量和剂量组合。
   4. 增加运动：适量的运动可以帮助控制血糖。建议每周进行至少 150 分钟的有氧运动，如快走、慢跑、骑车等。
   5. 保持良好的睡眠和心理状态：充足的睡眠和心理状态对于血糖的控制也非常重要。建议保持规律的睡眠时间，避免过度疲劳和压力。
   请注意，以上建议仅供参考，具体的治疗方案需要根据您的具体情况进行调整。同时，建议咨询专业的医生或营养师，以获得更加个性化的建议和指导。

本项目数据主要分为两个部分：情景对话与知识问答

主要参考BELLE的指令数据集生成方式，我们将医学指令按照诊疗情景的不同主要分为16种大类，通过100条情景对话种子任务生成的52k条情景对话数据。 情景对话种子任务详见./data/dialogue_seed_task.json。此外，我们还提供了生成情景对话数据的pipeline./data/dialogue_generation.py。最终生成的52k情景对话数据医学指令类型及其分布如下图所示。

医学知识来源于我们自建的医学数据库。通过提供具体的医疗共识与临床指南文本，先让ChatGPT生成与该段医学知识内容与逻辑关系相关的若干问题，再通过“文本段-问题”对的方式让ChatGPT回答问题，从而使ChatGPT能够生成含有医学指南信息的回答，保证回答的准确性。知识问答与医疗指南的例子详见./data/book_data.json，依据医疗指南生成的知识问答样例详见./data/book_based_qa.json。此外，我们还提供了知识问答数据生成的pipeline./data/book_based_question_generation.py。

其中，医疗共识与临床指南中文本段涵盖28个科室共计32k个文本段。各科室及其分布如下

更多我们模型的测试结果详见./data/test_result.json

本项目训练代码采用模型并行算法，可以在最少4张3090显卡上完成对ChatGLM LoRA 16-bit的指令微调。训练命令如下

cd src
CUDA_VISIBLE_DEIVCES=$cuda_id python train.py \
                        --title $YOUR_EXP_NAME \
                        --train_path $YOUR_TRAINING_DATA_PATH \
                        --save_dir $YOUR_LORA_CHECKPOINT_SAVE_PATH

本项目由上海交通大学未来媒体网络协同创新中心和上海人工智能实验室智慧医疗中心合作研发。模型数据系统主要由刘泓呈，孟昱同，廖育生完成，指导教师为王钰副教授。

预训练模型是基于大量语料库和算法模型进行训练的，并且在训练过程中可能存在偏差、错误和不完整的信息。因此，本项目提供的预训练模型仅供参考和研究使用，并不能保证其准确性和可靠性。使用预训练模型产生的结果可能存在误差和偏差，不能用于实际应用或决策。本项目不对使用预训练模型所产生的结果承担任何责任，也不对因使用预训练模型所产生的任何损失承担责任。使用者在使用预训练模型时应自行承担风险并进行自我验证。

如果你使用了本项目的数据或者代码，请声明引用

@misc{MedicalGPT-zh,
  author={Hongcheng Liu, Yusheng Liao, Yutong Meng, Yu Wang, Yanfeng Wang},
  title = {MedicalGPT-zh：中文医疗对话语言模型},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/MediaBrain-SJTU/MedicalGPT-zh}},
}