Các mô hình ngôn ngữ lớn được tinh chỉnh tăng cường ID lỗi trong báo cáo X quang

Theo dõi Drugslib trên

Thứ ba, ngày 27 tháng 5 năm 2025-Các mô hình ngôn ngữ lớn (LLM), được điều chỉnh tinh chỉnh trên các báo cáo X quang, tăng cường phát hiện lỗi trong các báo cáo X quang, theo một nghiên cứu được công bố trực tuyến vào ngày 20 tháng 5 tại New York. đọc lại trong một nghiên cứu hồi cứu. Một bộ dữ liệu được xây dựng với hai phần: phần đầu tiên bao gồm 1.656 báo cáo X quang ngực tổng hợp được tạo bởi GPT-4 (OpenAI) với 828 báo cáo tổng hợp không có lỗi và 828 có chứa lỗi. Tổng cộng có 614 báo cáo đã được bao gồm trong phần thứ hai: 307 không có lỗi từ cơ sở dữ liệu X quang ngực (MIMIC-CXR) và báo cáo tổng hợp 307 với các lỗi do GPT-4 tạo ra. Sử dụng không có ảnh nhắc nhở, ít ảnh nhắc nhở hoặc các chiến lược tinh chỉnh, một số mô hình đã được tinh chỉnh và hiệu suất của các mô hình này đã được đánh giá.

Các nhà nghiên cứu phát hiện ra rằng mô hình LLAMA-3-70B được điều chỉnh tinh chỉnh đã đạt được hiệu suất tốt nhất bằng cách sử dụng sự nhắc nhở bằng không, với điểm F1 là 0,769, 0,772, 0,750, 0,828 và 0,780 đối với các lỗi. Hai bác sĩ X quang đã xem xét 200 báo cáo được chọn ngẫu nhiên đầu ra theo mô hình trong giai đoạn đánh giá trong thế giới thực; 99 đã được cả hai bác sĩ X quang xác nhận để chứa các lỗi được phát hiện bởi các mô hình và 163 đã được xác nhận bởi ít nhất một bác sĩ X quang.

Một tác giả đã lên kế hoạch bằng sáng chế, cấp hoặc chờ xử lý với Bệnh viện Weill Cornell.

Biên tập (đăng ký hoặc thanh toán có thể được yêu cầu cho cá nhân. Các yếu tố cá nhân có thể thay đổi rất nhiều. Luôn tìm kiếm lời khuyên y tế được cá nhân hóa cho các quyết định chăm sóc sức khỏe cá nhân.

Nguồn: Healthday

Đã đăng : 2025-05-28 06:00

Đọc thêm

Tuyên bố từ chối trách nhiệm

Chúng tôi đã nỗ lực hết sức để đảm bảo rằng thông tin do Drugslib.com cung cấp là chính xác, cập nhật -ngày và đầy đủ, nhưng không có đảm bảo nào được thực hiện cho hiệu ứng đó. Thông tin thuốc trong tài liệu này có thể nhạy cảm về thời gian. Thông tin về Drugslib.com đã được biên soạn để các bác sĩ chăm sóc sức khỏe và người tiêu dùng ở Hoa Kỳ sử dụng và do đó Drugslib.com không đảm bảo rằng việc sử dụng bên ngoài Hoa Kỳ là phù hợp, trừ khi có quy định cụ thể khác. Thông tin thuốc của Drugslib.com không xác nhận thuốc, chẩn đoán bệnh nhân hoặc đề xuất liệu pháp. Thông tin thuốc của Drugslib.com là nguồn thông tin được thiết kế để hỗ trợ các bác sĩ chăm sóc sức khỏe được cấp phép trong việc chăm sóc bệnh nhân của họ và/hoặc phục vụ người tiêu dùng xem dịch vụ này như một sự bổ sung chứ không phải thay thế cho chuyên môn, kỹ năng, kiến ​​thức và đánh giá về chăm sóc sức khỏe các học viên.

Việc không có cảnh báo đối với một loại thuốc hoặc sự kết hợp thuốc nhất định không được hiểu là chỉ ra rằng loại thuốc hoặc sự kết hợp thuốc đó là an toàn, hiệu quả hoặc phù hợp với bất kỳ bệnh nhân nào. Drugslib.com không chịu bất kỳ trách nhiệm nào đối với bất kỳ khía cạnh nào của việc chăm sóc sức khỏe được quản lý với sự hỗ trợ của thông tin Drugslib.com cung cấp. Thông tin trong tài liệu này không nhằm mục đích bao gồm tất cả các công dụng, hướng dẫn, biện pháp phòng ngừa, cảnh báo, tương tác thuốc, phản ứng dị ứng hoặc tác dụng phụ có thể có. Nếu bạn có thắc mắc về loại thuốc bạn đang dùng, hãy hỏi bác sĩ, y tá hoặc dược sĩ.

Từ khóa phổ biến