Тонко налаштовані великі мовні моделі покращують ідентифікатор помилки у звітах про радіологію

Підпишіться на Drugslib

Медикально розглянуто Кармен Поп, Бфарм. Останнє оновлення 27 травня 2025 р.

Вівторок, 27 травня 2025 р.-Великі мовні моделі (LLMS), належним чином налаштовані на рентгенологічні звіти, посилюють виявлення помилок у звітах про радіологію, згідно з дослідженням, опублікованим в Інтернеті 20 травня в рентгенології. вивчення. Набору даних був побудований з двома частинами: вперше включено 1656 синтетичних звітів про радіологію грудної клітки, створених GPT-4 (OpenAI) з 828 синтетичними звітами без помилок та 828, що містить помилки. Всього у другій частині було включено 614 звітів: 307 без помилок із бази даних мімічної рентгенографії грудної клітки (MIMIC-CXR) та 307 синтетичних звітів з помилками, створеними GPT-4. Використовуючи підказку з нульовим помахом, стратегії, що підказує, або стратегії тонкої настройки, було вдосконалено кілька моделей, а продуктивність цих моделей була оцінена.

Дослідники встановили, що тонко налаштована модель LLAMA-3-70B-Instruct досягла найкращої продуктивності, використовуючи підказку з нульовим, з показниками F1 0,769, 0,772, 0,750, 0,828 та 0,780 для помилок негативних, лівих/правих помилок, помилок між інтерв'ю, помилок транскрипції та загальних, відповідно. Два рентгенологи розглянули 200 випадково вибраних звітів, що виводять модель на фазі оцінювання в реальному світі; 99 були підтверджені обома рентгенологами, що містять помилки, виявлені моделями, та 163 були підтверджені щонайменше одним рентгенологом.

"Висновки показують, що тонка настройка має вирішальне значення для забезпечення локального розгортання LLMS, а також демонструє важливість оперативної конструкції в оптимізації продуктивності для конкретних медичних завдань",-пишуть автори.

Один автор запланував, видав, видав або розглянувши лікарню Weill Cornell.

Анотація/повний текст

Editorial (subscription or payment may be required)

Disclaimer: Statistical data in medical articles provide general trends and do not стосується осіб. Окремі фактори можуть сильно відрізнятися. Завжди шукайте персоналізованих медичних консультацій для індивідуальних рішень щодо охорони здоров'я.

Джерело: Healthday

Опубліковано : 2025-05-28 06:00

Читати далі

Відмова від відповідальності

Було докладено всіх зусиль, щоб інформація, надана Drugslib.com, була точною, до -дата та повна, але жодних гарантій щодо цього не надається. Інформація про ліки, що міститься тут, може бути чутливою до часу. Інформація Drugslib.com була зібрана для використання медичними працівниками та споживачами в Сполучених Штатах, тому Drugslib.com не гарантує, що використання за межами Сполучених Штатів є доцільним, якщо спеціально не вказано інше. Інформація про ліки Drugslib.com не схвалює ліки, не ставить діагноз пацієнтів і не рекомендує терапію. Інформація про ліки на Drugslib.com – це інформаційний ресурс, призначений для допомоги ліцензованим медичним працівникам у догляді за їхніми пацієнтами та/або для обслуговування споживачів, які розглядають цю послугу як доповнення, а не заміну досвіду, навичок, знань і суджень у сфері охорони здоров’я. практиків.

Відсутність попередження щодо певного препарату чи комбінації ліків у жодному разі не слід тлумачити як вказівку на те, що препарат чи комбінація препаратів є безпечними, ефективними чи прийнятними для будь-якого конкретного пацієнта. Drugslib.com не несе жодної відповідальності за будь-які аспекти медичної допомоги, що надається за допомогою інформації, яку надає Drugslib.com. Інформація, що міститься в цьому документі, не має на меті охопити всі можливі способи використання, інструкції, запобіжні заходи, попередження, лікарські взаємодії, алергічні реакції чи побічні ефекти. Якщо у вас є запитання щодо препаратів, які ви приймаєте, зверніться до свого лікаря, медсестри або фармацевта.

Популярні ключові слова