Model bahasa besar yang disempurnakan meningkatkan ID kesalahan dalam laporan radiologi

Ikuti Drugslib di

ditinjau secara medis oleh Carmen Pope, Bpharm. Terakhir diperbarui pada 27 Mei 2025.

oleh Elana Gotkine Healthday Reporter

Selasa, 27 Mei 2025-Model Bahasa Besar (LLM), disesuaikan dengan laporan radiologi, meningkatkan deteksi kesalahan dalam laporan radiologi, menurut sebuah penelitian yang diterbitkan secara online 20 Mei dalam radiologi.

Cong Sun, Ph.D., dari Weill Cornell Medicine di New York City, dan colleagues yang dikembangkan dan collabues yang dikembangkan dan evaluasi llem. studi retrospektif. Dataset dibangun dengan dua bagian: yang pertama termasuk 1.656 laporan radiologi dada sintetis yang dihasilkan oleh GPT-4 (OpenAI) dengan 828 laporan sintetis bebas kesalahan dan 828 yang mengandung kesalahan. Sebanyak 614 laporan dimasukkan dalam bagian kedua: 307 bebas kesalahan dari database Mimic Chest Radiograph (MIMIC-CXR) dan 307 laporan sintetis dengan kesalahan yang dihasilkan oleh GPT-4. Menggunakan dorongan zero-shot, beberapa strategi pentalan, atau strategi penyempurnaan, beberapa model disempurnakan, dan kinerja model ini dinilai.

Para peneliti menemukan bahwa model LLAMA-3-70B-instruct yang disesuaikan mencapai kinerja terbaik menggunakan dorongan nol-shot, dengan skor F1 0,769, 0,772, 0,750, 0,828, dan 0,780 untuk kesalahan negasi, kesalahan kiri/kanan, kesalahan perubahan interval, kesalahan transkripsi, dan secara keseluruhan, dengan hormat. Dua ahli radiologi meninjau 200 output laporan yang dipilih secara acak oleh model dalam fase evaluasi dunia nyata; 99 dikonfirmasi oleh kedua ahli radiologi untuk mengandung kesalahan yang terdeteksi oleh model dan 163 dikonfirmasi oleh setidaknya satu ahli radiologi.

"Temuan ini menunjukkan bahwa penyempurnaan sangat penting untuk memungkinkan penyebaran lokal LLMS sambil menunjukkan pentingnya desain yang cepat dalam mengoptimalkan kinerja medis spesifik," Plms.

Satu penulis memiliki paten yang direncanakan, dikeluarkan, atau tertunda dengan Rumah Sakit Weill Cornell.

Teks Abstrak/Penuh

editorial (Berlangganan atau Pembayaran No. No. Doends (P>

Sumber: Healthday

Diposting : 2025-05-28 06:00

Baca selengkapnya

Penafian

Segala upaya telah dilakukan untuk memastikan bahwa informasi yang diberikan oleh Drugslib.com akurat, terkini -tanggal, dan lengkap, namun tidak ada jaminan mengenai hal tersebut. Informasi obat yang terkandung di sini mungkin sensitif terhadap waktu. Informasi Drugslib.com telah dikumpulkan untuk digunakan oleh praktisi kesehatan dan konsumen di Amerika Serikat dan oleh karena itu Drugslib.com tidak menjamin bahwa penggunaan di luar Amerika Serikat adalah tepat, kecuali dinyatakan sebaliknya. Informasi obat Drugslib.com tidak mendukung obat, mendiagnosis pasien, atau merekomendasikan terapi. Informasi obat Drugslib.com adalah sumber informasi yang dirancang untuk membantu praktisi layanan kesehatan berlisensi dalam merawat pasien mereka dan/atau untuk melayani konsumen yang memandang layanan ini sebagai pelengkap, dan bukan pengganti, keahlian, keterampilan, pengetahuan, dan penilaian layanan kesehatan. praktisi.

Tidak adanya peringatan untuk suatu obat atau kombinasi obat sama sekali tidak boleh ditafsirkan sebagai indikasi bahwa obat atau kombinasi obat tersebut aman, efektif, atau sesuai untuk pasien tertentu. Drugslib.com tidak bertanggung jawab atas segala aspek layanan kesehatan yang diberikan dengan bantuan informasi yang disediakan Drugslib.com. Informasi yang terkandung di sini tidak dimaksudkan untuk mencakup semua kemungkinan penggunaan, petunjuk, tindakan pencegahan, peringatan, interaksi obat, reaksi alergi, atau efek samping. Jika Anda memiliki pertanyaan tentang obat yang Anda konsumsi, tanyakan kepada dokter, perawat, atau apoteker Anda.

Kata kunci populer