मेडिकल रेडिएशन QA के लिए डाक्यूमेंट-ग्राउंडेड RAG चैटबोट: HyDE, कैशिंग, बहुभाषी मिलान, और क्लाउड डिप्लॉयमेंट के साथ सटीकता में सुधार

यह अध्ययन चिकित्सा विकिरण उपकरण गुणवत्ता नियंत्रण (QA) दस्तावेज़ों पर आधारित प्रश्नोत्तर प्रदान करने वाले सर्च-एंग्मेंटेड जनरेशन (RAG) आधारित चैटबोट का प्रस्ताव करता है। प्रस्तुत प्रणाली (1) क्वेरी विस्तार-आधारित एम्बेडिंग तकनीक लागू करती है जो प्रश्न के आभासी उत्तर उत्पन्न और एम्बेड करती है, (2) बहुभाषी परिवेश में असंगतियों को कम करने के लिए आभासी उत्तरों को अंग्रेज़ी में सामान्यीकृत करके सुसंगत एम्बेडिंग और खोज करती है, और (3) मेमोरी और फाइल डुअल कैशिंग संयोजन के माध्यम से प्रतिक्रिया विलंब और मॉडल कॉल लागत को कम करती है। क्लिनिकल QA मानक और परीक्षण परिणाम दस्तावेजों को पूर्व-प्रक्रिया कर लगभग 20,000 पाठ इकाइयों में विभाजित किया गया और वेक्टर खोज इंजन के साथ अनुक्रमणिका बनाई गई। मूल्यांकन में सटीकता का औसत स्कोर 3.66 से बढ़कर 4.83 हुआ, खोज विफलता दर 50% से अधिक से घटकर 13.3% हुई, और औसत प्रतिक्रिया समय 3.5 सेकंड से घटकर 1.8 सेकंड हो गया। प्रतिक्रिया गुणवत्ता को छह मापदंडों - सटीकता, निष्ठा, प्रासंगिकता, संगति, अभिव्यक्तिशीलता, पूर्णता - पर मात्रात्मक रूप से आंका गया। प्रणाली क्लाउड निष्पादन वातावरण और GPU गणना अवसंरचना पर तैनात एवं संचालित हो सकती है, और उपयोगकर्ता वरीयता डेटा पर आधारित RLHF/DPO उन्नयन को भविष्य के कार्य के रूप में प्रस्तावित करती है। साथ ही, यह अध्ययन पुनरुत्पादकता सुनिश्चित करने हेतु कुल 120 मूल्यांकन प्रश्न, 3 क्षेत्र विशेषज्ञ समीक्षक, और दस्तावेज़-आधारित प्रमाण मिलान सहित एक मानकीकृत जाँच प्रक्रिया अपनाता है। विशेष रूप से प्रश्न प्रकार-आधारित प्रदर्शन विश्लेषण ने प्रक्रिया-आधारित, निर्णय-आधारित, और परिभाषा-आधारित प्रश्नों में RAG संरचना की पारंपरिक एकल LLM की तुलना में श्रेष्ठता को पुष्टि की। ये परिणाम उच्च विश्वासार्हता वाले व्याख्यात्मक और प्रमाण आधारित निर्णय की आवश्यकता वाले चिकित्सा विकिरण QA जैसे कार्यक्षेत्रों में प्रस्तावित मॉडल की व्यावहारिकता को दर्शाते हैं।