Aprendizaje en contexto con grandes modelos de lenguaje: un enfoque simple y eficaz para mejorar el etiquetado de...

Área de la Ciencia:

• Inteligencia artificial en imágenes médicas
• Procesamiento del lenguaje natural en la atención médica
• Análisis del informe de radiología

Sus antecedentes:

• El etiquetado automatizado de los informes de radiología es crucial para el análisis eficiente de los datos y los conocimientos clínicos.
• El Transformador Pre-entrenado Generativo-4 (GPT-4) muestra potencial para tareas complejas de comprensión del lenguaje natural.

Objetivo del estudio:

• Evaluar la eficacia del aprendizaje en contexto con GPT-4 para el etiquetado de informes de radiología.
• Comparar las indicaciones estándar con las indicaciones contextuales para mejorar la precisión del etiquetado.

Principales métodos:

• Estudio retrospectivo basado en informes radiológicos de la base de datos MIMIC-III.
• Comparación de las indicaciones básicas y contextuales para la clasificación multietiqueta en los informes de tomografía computarizada de la cabeza y el abdomen.
• Experimentos de optimización para evaluar la consistencia y las tasas de error.

Principales resultados:

• El aprendizaje en contexto con GPT-4 mejoró significativamente las puntuaciones F1 para etiquetar informes de tomografía computarizada de la cabeza, particularmente para las etiquetas de "cuerpo extraño" y "masa".
• Se observaron ganancias sustanciales de rendimiento en todas las etiquetas para los informes de tomografía computarizada abdominal utilizando indicaciones en contexto.
• Las precisiones entre lectores fueron altas, lo que indica un rendimiento basal fiable.

Conclusiones:

• El aprendizaje en contexto utilizando GPT-4 mejora constantemente la precisión del etiquetado de los informes de radiología.
• Este enfoque alinea efectivamente los criterios del modelo con los anotadores humanos para las tareas de etiquetado tanto subjetivas como objetivas.
• El método es práctico, adaptable y adecuado para diversas aplicaciones de etiquetado en la investigación radiológica.