Ανάπτυξη συστήματος Retrieval-Augmented Generation (RAG) για φιλική προς τους ασθενείς πληροφόρηση δημόσιας υγείας
Year: 2026
Type: other
Abstract: Η παρούσα πτυχιακή εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση ενός συστή- ματος Medical Question Answering βασισμένου στην αρχιτεκτονική Retrieval-Augmented Gen- eration (RAG), με στόχο την παροχή αξιόπιστων και τεκμηριωμένων απαντήσεων σε ερωτήματα που σχετίζονται με τις μη μεταδοτικές ασθένειες (Non-Communicable Diseases - NCDs). Παρότι τα σύγχρονα Μεγάλα Γλωσσικά Μοντέλα (Large Language Models) έχουν βελτιώσει σημαντικά την κατανόηση και παραγωγή φυσικής γλώσσας, εξακολουθούν να εμφανίζουν το φαινόμενο των hallu- cinations, παράγοντας πληροφορίες που δεν υποστηρίζονται από αξιόπιστες πηγές. Το πρόβλημα αυτό είναι ιδιαίτερα κρίσιμο στον ιατρικό τομέα, όπου η ακρίβεια και η αξιοπιστία της πληροφορίας είναι απαραίτητες. Για την αντιμετώπιση αυτού του προβλήματος αναπτύχθηκε ένα σύστημα που συνδυάζει σημασιολογική ανάκτηση ιατρικών εγγράφων με παραγωγή απαντήσεων μέσω Μεγάλων Γλωσ- σικών Μοντέλων. Τα ιατρικά έγγραφα προέρχονται από έγκυρους οργανισμούς, υποβάλλονται σε προεπεξεργασία, χωρίζονται σε σημασιολογικά τμήματα (chunks) και μετατρέπονται σε διανυσμα- τικές αναπαραστάσεις χρησιμοποιώντας το μοντέλο ενσωματώσεων BAAI/bge-base-en-v1.5. Οι αναπαραστάσεις αυτές αποθηκεύονται στη βάση διανυσμάτων FAISS, επιτρέποντας την αποδο- τική ανάκτηση των πλέον σχετικών αποσπασμάτων για κάθε ερώτημα χρήστη. Τα ανακτημένα αποσπάσματα χρησιμοποιούνται ως τεκμηριωμένο πλαίσιο (context) για την παραγωγή απαντή- σεων από το μοντέλο Llama 3 8B, ενώ ένας ανεξάρτητος μηχανισμός επαλήθευσης εξετάζει αν κάθε παραγόμενη απάντηση υποστηρίζεται πλήρως από τα ανακτημένα ιατρικά δεδομένα. Για την ενίσχυση της διαφάνειας του συστήματος αναπτύχθηκε επίσης γραφική διεπαφή χρήστη, μέσω της οποίας παρουσιάζονται τα ανακτημένα αποσπάσματα, οι βαθμολογίες αξιοπι- στίας της ανάκτησης, οι πηγές των πληροφοριών και τα αποτελέσματα της διαδικασίας επαλή- θευσης. Επιπλέον, πραγματοποιήθηκε εκτενής αξιολόγηση του συστήματος σε πολλαπλές θεμα- τικές ενότητες που αφορούν τις μη μεταδοτικές ασθένειες (Non-Communicable Diseases - NCDs), όπως η κατανάλωση αλκοόλ, το κάπνισμα, η παχυσαρκία και το υπερβολικό βάρος, η ανθυγιεινή διατροφή, η σωματική αδράνεια, η υπέρταση και ο διαβήτης. Τα αποτελέσματα δείχνουν ότι ο συνδυασμός σημασιολογικής ανάκτησης και ανεξάρτητης επαλήθευσης βελτιώνει σημαντικά την αξιοπιστία, τη διαφάνεια και την τεκμηρίωση των παραγόμενων ιατρικών απαντήσεων, περιορίζο- ντας παράλληλα την εμφάνιση μη υποστηριζόμενων ή παραπλανητικών πληροφοριών.
Source: Dione (University of Piraeus)
Authors: Goneos, Efthymios, Γονέος, Ευθύμιος
Language: English
Topic: Topic Modeling
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7168439713