Τα μοντέλα μεγάλων γλωσσών που έχουν ρυθμιστεί με τελειώματα ενισχύουν το αναγνωριστικό σφάλματος σε αναφορές ακτινολογίας

Ακολουθήστε το Drugslib

που αναθεωρήθηκε από την Carmen Pope, Bpharm. Τελευταία ενημέρωση στις 27 Μαΐου 2025.

Τρίτη, 27 Μαΐου 2025-Τα μεγάλα γλωσσικά μοντέλα (LLMS), τα εξισορροπημένα σε εκθέσεις ακτινολογίας, ενισχύουν την ανίχνευση σφαλμάτων σε αναφορές ακτινολογίας, σύμφωνα με μια μελέτη που δημοσιεύθηκε στο διαδίκτυο στις 20 Μαΐου σε ακτινολογίες. Μια αναδρομική μελέτη. Ένα σύνολο δεδομένων κατασκευάστηκε με δύο μέρη: το πρώτο περιλάμβανε 1.656 αναφορές συνθετικής ακτινολογίας θώρακα που δημιουργήθηκαν από το GPT-4 (OpenAI) με 828 συνθετικές αναφορές και 828 που περιέχουν σφάλματα. Συνολικά 614 αναφορές συμπεριλήφθηκαν στο δεύτερο μέρος: 307 χωρίς σφάλματα από τη βάση δεδομένων της ακτινογραφίας θώρακα (MIMIC-CXR) και 307 συνθετικές αναφορές με σφάλματα που δημιουργήθηκαν από το GPT-4. Χρησιμοποιώντας προτροπή μηδενικού πυροβολισμού, προτροπές λίγων πυροβολισμών ή στρατηγικές τελειοποίησης, αξιολογήθηκαν διάφορα μοντέλα και αξιολογήθηκε η απόδοση αυτών των μοντέλων.

Οι ερευνητές διαπίστωσαν ότι το μοντέλο καθορισμένου LLAMA-3-70B-Extruct πέτυχε την καλύτερη απόδοση χρησιμοποιώντας τα σφάλματα μηδενικού πυροβολισμού, με βαθμολογίες F1 0,769, 0,772, 0,750, 0,828 και 0,780 για σφάλματα άρνησης. Δύο ακτινολόγοι επανεξέτασαν 200 τυχαία επιλεγμένες αναφορές από το μοντέλο σε μια φάση αξιολόγησης πραγματικού κόσμου. 99 επιβεβαιώθηκαν και από τους δύο ακτινολόγους να περιέχουν σφάλματα που ανιχνεύθηκαν από τα μοντέλα και 163 επιβεβαιώθηκαν από τουλάχιστον έναν ακτινολόγο.

Ένας συγγραφέας έχει προγραμματιστεί, εκδίδεται ή εκκρεμεί με το νοσοκομείο Weill Cornell.

Σύνταξη (συνδρομή ή πληρωμή μπορεί να απαιτείται) σε άτομα. Οι μεμονωμένοι παράγοντες μπορεί να διαφέρουν σε μεγάλο βαθμό. Αναζητήστε πάντα εξατομικευμένες ιατρικές συμβουλές για μεμονωμένες αποφάσεις υγειονομικής περίθαλψης.

Πηγή: Healthday

Δημοσιεύτηκε : 2025-05-28 06:00

Διαβάστε περισσότερα

Αποποίηση ευθυνών

Έχει καταβληθεί κάθε δυνατή προσπάθεια για να διασφαλιστεί ότι οι πληροφορίες που παρέχονται από το Drugslib.com είναι ακριβείς, μέχρι -ημερομηνία και πλήρης, αλλά δεν παρέχεται καμία εγγύηση για το σκοπό αυτό. Οι πληροφορίες φαρμάκων που περιέχονται εδώ μπορεί να είναι ευαίσθητες στο χρόνο. Οι πληροφορίες του Drugslib.com έχουν συγκεντρωθεί για χρήση από επαγγελματίες υγείας και καταναλωτές στις Ηνωμένες Πολιτείες και επομένως το Drugslib.com δεν εγγυάται ότι οι χρήσεις εκτός των Ηνωμένων Πολιτειών είναι κατάλληλες, εκτός εάν ρητά αναφέρεται διαφορετικά. Οι πληροφορίες φαρμάκων του Drugslib.com δεν υποστηρίζουν φάρμακα, δεν κάνουν διάγνωση ασθενών ή συνιστούν θεραπεία. Οι πληροφορίες για τα φάρμακα του Drugslib.com είναι ένας ενημερωτικός πόρος που έχει σχεδιαστεί για να βοηθά τους αδειοδοτημένους επαγγελματίες υγείας στη φροντίδα των ασθενών τους ή/και να εξυπηρετούν τους καταναλωτές που βλέπουν αυτήν την υπηρεσία ως συμπλήρωμα και όχι ως υποκατάστατο της τεχνογνωσίας, των δεξιοτήτων, της γνώσης και της κρίσης της υγειονομικής περίθαλψης επαγγελματίες.

Η απουσία προειδοποίησης για ένα δεδομένο φάρμακο ή συνδυασμό φαρμάκων σε καμία περίπτωση δεν πρέπει να ερμηνεύεται ως ένδειξη ότι το φάρμακο ή ο συνδυασμός φαρμάκων είναι ασφαλής, αποτελεσματικός ή κατάλληλος για οποιονδήποτε δεδομένο ασθενή. Το Drugslib.com δεν αναλαμβάνει καμία ευθύνη για οποιαδήποτε πτυχή της υγειονομικής περίθαλψης που παρέχεται με τη βοήθεια των πληροφοριών που παρέχει το Drugslib.com. Οι πληροφορίες που περιέχονται στο παρόν δεν προορίζονται να καλύψουν όλες τις πιθανές χρήσεις, οδηγίες, προφυλάξεις, προειδοποιήσεις, αλληλεπιδράσεις με φάρμακα, αλλεργικές αντιδράσεις ή ανεπιθύμητες ενέργειες. Εάν έχετε ερωτήσεις σχετικά με τα φάρμακα που παίρνετε, συμβουλευτείτε το γιατρό, τη νοσοκόμα ή τον φαρμακοποιό σας.

Δημοφιλείς λέξεις -κλειδιά