Les modèles de gros langage affinés améliorent l'ID d'erreur dans les rapports de radiologie

Suivez Drugslib sur

examiné médicalement par Carmen Pope, bpharm. Dernière mise à jour le 27 mai 2025.

par Elana Gotkine Healthday Reporter

mardi 27 mai 2025 - Modèles de grande langue (LLM), affinés sur des rapports de radiologie, améliorer la détection des erreurs dans les rapports de radiologie, selon une étude publiée en ligne le 20 mai en radiologie.

Cong Sun, Ph.D., de Weill Cornell Medicine une étude rétrospective. Un ensemble de données a été construit avec deux parties: le premier comprenait 1 656 rapports de radiologie thoracique synthétique générés par GPT-4 (OpenAI) avec 828 rapports synthétiques sans erreur et 828 erreurs contenant. Un total de 614 rapports ont été inclus dans la deuxième partie: 307 sans erreur à partir de la base de données de radiographie thoracique Mimic (Mimic-CXR) et 307 rapports synthétiques avec des erreurs générées par GPT-4. En utilisant des stratégies d'incitation à zéro, à quelques tirs ou des stratégies de réglage fin, plusieurs modèles ont été affinés et les performances de ces modèles ont été évaluées.

Les chercheurs ont constaté que le modèle d'instruct de LLAMA-3-70B affiné avait atteint les meilleures performances en utilisant une incitation à zéro, avec des scores F1 de 0,769, 0,772, 0,750, 0,828 et 0,780 pour les erreurs de négation, les erreurs gauche / droite, les erreurs de changement d'intervalle, les erreurs de transcription et globalement, respectivement. Deux radiologues ont examiné 200 rapports sélectionnés au hasard sur le modèle dans une phase d'évaluation du monde réel; 99 ont été confirmés par les deux radiologues pour contenir des erreurs détectées par les modèles et 163 ont été confirmées par au moins un radiologue.

"Les résultats montrent que le réglage fin est crucial pour permettre le déploiement local de LLMS tout en démontrant l'importance de la conception rapide dans l'optimisation des performances pour des tasks médicaux spécifiques," les auteurs écrivent.

Un auteur a des brevets planifiés, émis ou en attente avec l'hôpital Weill Cornell.

Résumé / Texte complet

éditorial (abonnement ou paiement peut être requis)

ne pas avoir parlé: Données statistiques dans les articules médicaux dans des tricots généraux et à parts: Données statistiques dans les artistes médicaux dans des tricots généraux et à par rapport à des tons de tressaillement: des tons de tressaillement parmi les traits d'art médicaux dans des articules médicaux dans des tons de tressaillement et des tons de tabongeage par rapport à des tons de tressaillement: des tons de tressaillement par statistique dans des articules médicaux dans des alliances générales: Turnance: Statistic Individus. Les facteurs individuels peuvent varier considérablement. Recherchez toujours des conseils médicaux personnalisés pour les décisions de santé individuelles.

Source: Healthday

Publié : 2025-05-28 06:00

En savoir plus

Avis de non-responsabilité

Tous les efforts ont été déployés pour garantir que les informations fournies par Drugslib.com sont exactes, jusqu'à -date et complète, mais aucune garantie n'est donnée à cet effet. Les informations sur les médicaments contenues dans ce document peuvent être sensibles au facteur temps. Les informations de Drugslib.com ont été compilées pour être utilisées par des professionnels de la santé et des consommateurs aux États-Unis et, par conséquent, Drugslib.com ne garantit pas que les utilisations en dehors des États-Unis sont appropriées, sauf indication contraire spécifique. Les informations sur les médicaments de Drugslib.com ne cautionnent pas les médicaments, ne diagnostiquent pas les patients et ne recommandent pas de thérapie. Les informations sur les médicaments de Drugslib.com sont une ressource d'information conçue pour aider les professionnels de la santé agréés à prendre soin de leurs patients et/ou pour servir les consommateurs qui considèrent ce service comme un complément et non un substitut à l'expertise, aux compétences, aux connaissances et au jugement des soins de santé. praticiens.

L'absence d'avertissement pour un médicament ou une combinaison de médicaments donné ne doit en aucun cas être interprétée comme indiquant que le médicament ou la combinaison de médicaments est sûr, efficace ou approprié pour un patient donné. Drugslib.com n'assume aucune responsabilité pour aucun aspect des soins de santé administrés à l'aide des informations fournies par Drugslib.com. Les informations contenues dans le présent document ne sont pas destinées à couvrir toutes les utilisations, instructions, précautions, avertissements, interactions médicamenteuses, réactions allergiques ou effets indésirables possibles. Si vous avez des questions sur les médicaments que vous prenez, consultez votre médecin, votre infirmière ou votre pharmacien.

Mots-clés populaires