Model basa gedhe sing apik nambah ID kesalahan ing laporan radiology

Tindakake Drugslib ing

Delajis dening Carmen Paus, BGGerm. Dianyari pungkasan tanggal 27 Mei, 2025.

Ddl

Selasa, 27 Mei, 2025 - Model Bahasa Gedhe (LLMS), Ditambahake Deteksi Kesalahan ing New York, " sinau retrospektif. A Dataset dibangun karo rong bagian: Laporan Radio sintetis dada sintetis 1,656 sing digawe saka GPT-4 (Openai) kanthi 828 Laporan sintetis kesalahan lan 828 ngemot kesalahan. Gunggunge saka 614 laporan kasebut kalebu ing bagean kapindho: 307 kesalahan saka radiasi dada mimik (mimic-cxr) (database mimic-cxr) lan 307 laporan sintetik kanthi kesalahan sing digawe dening GPT-4. Nggunakake Pendhaftaran Zero-Nutup, Prompting sawetara, utawa strategi toto sing apik, sawetara model sing diresiki, lan kinerja model kasebut ditaksir.

Peneliti nemokake manawa model llama-3-70b-3-70b-3-70b sing apik banget nggunakake prompling nol-0.769, 0,872, f1, lan kesalahan pangowahan interval, lan sakabehe. Rong radiologis nyemak 200 output laporan sing dipilih kanthi acak dening model kasebut ing fase evaluasi nyata-nyata; 99 dikonfirmasi dening para radiologis kanggo ngemot kasalahan sing dideteksi model lan 163 dikonfirmasi kanthi paling ora ana radiologis.

Salah sawijining penulis ngrancang, ditanggepi, utawa ditundha, utawa ditundha karo rumah sakit Cornell Cornell.

<2)

Sumber: kesehatan

Dikirim : 2025-05-28 06:00

Waca liyane

Disclaimer

Kabeh upaya wis ditindakake kanggo mesthekake yen informasi sing diwenehake dening Drugslib.com akurat, nganti -tanggal, lan lengkap, nanging ora njamin kanggo efek sing. Informasi obat sing ana ing kene bisa uga sensitif wektu. Informasi Drugslib.com wis diklumpukake kanggo digunakake dening praktisi kesehatan lan konsumen ing Amerika Serikat lan mulane Drugslib.com ora njamin sing nggunakake njaba Amerika Serikat cocok, kajaba khusus dituduhake digunakake. Informasi obat Drugslib.com ora nyetujoni obat, diagnosa pasien utawa menehi rekomendasi terapi. Informasi obat Drugslib.com minangka sumber informasi sing dirancang kanggo mbantu praktisi kesehatan sing dilisensi kanggo ngrawat pasien lan / utawa nglayani konsumen sing ndeleng layanan iki minangka tambahan, lan dudu pengganti, keahlian, katrampilan, kawruh lan pertimbangan babagan perawatan kesehatan. praktisi.

Ora ana bebaya kanggo kombinasi obat utawa obat sing diwenehake kanthi cara apa wae kudu ditafsirake kanggo nuduhake yen obat utawa kombinasi obat kasebut aman, efektif utawa cocok kanggo pasien tartamtu. Drugslib.com ora nanggung tanggung jawab kanggo aspek kesehatan apa wae sing ditindakake kanthi bantuan informasi sing diwenehake Drugslib.com. Informasi sing ana ing kene ora dimaksudake kanggo nyakup kabeh panggunaan, pituduh, pancegahan, bebaya, interaksi obat, reaksi alergi, utawa efek samping. Yen sampeyan duwe pitakon babagan obat sing sampeyan gunakake, takon dhokter, perawat utawa apoteker.

Kata kunci populer