Yapay zeka destekli tıbbi bilgi sistemlerinde hız ve doğruluk dengesini kurmak, araştırmacılar için önemli bir zorluk teşkil ediyor. Büyük dil modelleri güçlü arama yetenekleri sunarken, yüksek hesaplama maliyetleri ve gecikme süreleri gerçek zamanlı uygulamalarda kullanımlarını sınırlıyor.
Çinli araştırmacılar bu soruna çözüm bulmak için CARE (Chinese Medical Asymmetric REtriever) adlı yeni bir sistem geliştirdi. Bu sistem, hafif BERT tipi kodlayıcı kullanan asimetrik bir mimari tasarımıyla, hem performansı koruyor hem de hesaplama yükünü önemli ölçüde azaltıyor.
Projenin diğer önemli ayağını oluşturan CMedTEB (Chinese Medical Text Embedding Benchmark), Çince tıbbi metinler için geliştirilmiş kapsamlı bir değerlendirme standardı sunuyor. Bu benchmark, tamamen otomatik üretilen veri setlerinden farklı olarak, çoklu yapay zeka oylama sistemi ve klinik uzman doğrulaması kullanılarak hazırlanmış.
CMedTEB, üç temel görev alanını kapsıyor: metin arama, yeniden sıralama ve anlamsal metin benzerliği. Bu çok boyutlu yaklaşım, tıbbi bilgi sistemlerinin farklı senaryolardaki performansını değerlendirme imkanı sağlıyor. Araştırma, özellikle Çince tıbbi literatürde yaşanan veri kalitesi ve standardizasyon eksikliğine odaklanıyor.