Model bahasa besar yang disempurnakan meningkatkan ID ralat dalam laporan radiologi

Ikuti Drugslib di

dikaji semula secara perubatan oleh Carmen Pope, Bpharm. Terakhir dikemaskini pada 27 Mei, 2025.

oleh Elana Gotkine HealthDay Reporter

Selasa, 27 Mei 2025-Model bahasa yang besar (LLMS), disesuaikan dengan laporan radiologi, meningkatkan pengesanan kesilapan dalam laporan radiologi, menurut satu kajian yang diterbitkan dalam talian pada 20 Mei dalam Radiologi. kepada proofreading penjagaan kesihatan dalam kajian retrospektif. Dataset dibina dengan dua bahagian: yang pertama termasuk 1,656 laporan radiologi dada sintetik yang dihasilkan oleh GPT-4 (OpenAI) dengan 828 laporan sintetik bebas ralat dan 828 yang mengandungi ralat. Sebanyak 614 laporan dimasukkan ke dalam bahagian kedua: 307 bebas ralat dari pangkalan data Radiografi Dada Mimic (MIMIC-CXR) dan 307 laporan sintetik dengan kesilapan yang dihasilkan oleh GPT-4. Menggunakan sifar-shot yang mendorong, beberapa tembakan yang mendorong, atau strategi penalaan halus, beberapa model telah ditapis, dan prestasi model-model ini dinilai.

Para penyelidik mendapati bahawa model Llama-3-70B-Instruction yang disesuaikan dengan prestasi terbaik menggunakan sifar-shot yang mendorong, dengan skor F1 sebanyak 0.769, 0.772, 0.750, 0.828, dan 0.780 untuk kesilapan negasi, kesilapan kiri/kanan, ralat perubahan selang, ralat transkripsi, dan keseluruhan. Dua ahli radiologi mengkaji 200 laporan yang dipilih secara rawak oleh model dalam fasa penilaian dunia sebenar; 99 telah disahkan oleh kedua-dua ahli radiologi untuk mengandungi kesilapan yang dikesan oleh model dan 163 telah disahkan oleh sekurang-kurangnya seorang ahli radiologi.

Seorang pengarang mempunyai paten yang dirancang, dikeluarkan, atau belum selesai dengan Weill Cornell Hospital.

editorial (langganan atau pembayaran boleh dikehendaki) Jangan berkaitan dengan individu. Faktor individu boleh berbeza -beza. Sentiasa dapatkan nasihat perubatan yang diperibadikan untuk keputusan penjagaan kesihatan individu.

Sumber: HealthDay

Disiarkan : 2025-05-28 06:00

Baca lagi

Penafian

Segala usaha telah dilakukan untuk memastikan bahawa maklumat yang diberikan oleh Drugslib.com adalah tepat, terkini -tarikh, dan lengkap, tetapi tiada jaminan dibuat untuk kesan itu. Maklumat ubat yang terkandung di sini mungkin sensitif masa. Maklumat Drugslib.com telah disusun untuk digunakan oleh pengamal penjagaan kesihatan dan pengguna di Amerika Syarikat dan oleh itu Drugslib.com tidak menjamin bahawa penggunaan di luar Amerika Syarikat adalah sesuai, melainkan dinyatakan sebaliknya secara khusus. Maklumat ubat Drugslib.com tidak menyokong ubat, mendiagnosis pesakit atau mengesyorkan terapi. Maklumat ubat Drugslib.com ialah sumber maklumat yang direka bentuk untuk membantu pengamal penjagaan kesihatan berlesen dalam menjaga pesakit mereka dan/atau memberi perkhidmatan kepada pengguna yang melihat perkhidmatan ini sebagai tambahan kepada, dan bukan pengganti, kepakaran, kemahiran, pengetahuan dan pertimbangan penjagaan kesihatan pengamal.

Ketiadaan amaran untuk gabungan ubat atau ubat yang diberikan sama sekali tidak boleh ditafsirkan untuk menunjukkan bahawa gabungan ubat atau ubat itu selamat, berkesan atau sesuai untuk mana-mana pesakit tertentu. Drugslib.com tidak memikul sebarang tanggungjawab untuk sebarang aspek penjagaan kesihatan yang ditadbir dengan bantuan maklumat yang disediakan oleh Drugslib.com. Maklumat yang terkandung di sini tidak bertujuan untuk merangkumi semua kemungkinan penggunaan, arahan, langkah berjaga-jaga, amaran, interaksi ubat, tindak balas alahan atau kesan buruk. Jika anda mempunyai soalan tentang ubat yang anda ambil, semak dengan doktor, jururawat atau ahli farmasi anda.

Kata kunci yang popular