Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

Model Approaches for Pharmacokinetic Data: Distributed Parameter Models

Model Approaches for Pharmacokinetic Data: Distributed Parameter Models

Pharmacokinetic models are mathematical constructs that represent and predict the time course of drug concentrations in the body, providing meaningful pharmacokinetic parameters. These models are categorized into compartment, physiological, and distributed parameter models.
The distributed parameter models are specifically designed to account for variations and differences in some drug classes. This model is particularly useful for assessing regional concentrations of anticancer or...

Methods of Documentation VI: Case Management Model

Methods of Documentation VI: Case Management Model

The case management model is a multidisciplinary approach that involves healthcare professionals from diverse disciplines, such as physicians, nurses, therapists, social workers, and pharmacists, working collaboratively to address the various needs of patients. Each healthcare professional brings unique expertise and perspectives, contributing to a more comprehensive understanding of the patient's condition and tailoring treatment plans accordingly.
For example, a patient with a chronic...

Analysis Methods of Pharmacokinetic Data: Model and Model-Independent Approaches

Analysis Methods of Pharmacokinetic Data: Model and Model-Independent Approaches

Drug disposition in the body is a complex process and can be studied using two major approaches: the model and the model-independent approaches.
The model approach uses mathematical models to describe changes in drug concentration over time. Pharmacokinetic models help characterize drug behavior in patients, predict drug concentration in the body fluids, calculate optimum dosage regimens, and evaluate the risk of toxicity. However, ensuring that the model fits the experimental data accurately...

Multi-input and Multi-variable systems

Multi-input and Multi-variable systems

Cruise control systems in cars are designed as multi-input systems to maintain a driver's desired speed while compensating for external disturbances such as changes in terrain. The block diagram for a cruise control system typically includes two main inputs: the desired speed set by the driver and any external disturbances, such as the incline of the road. By adjusting the engine throttle, the system maintains the vehicle's speed as close to the desired value as possible.
In the absence of...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Tumor Board-Inspired Multiagent Artificial Intelligence System for Interpreting Oncology Guidelines.

JCO clinical cancer informatics·2026

Same author

Trends of Authors' Conflicts of Interest in Clinical Trials Published in the <i>Journal of Clinical Oncology</i>: A Large Language Model-Assisted Longitudinal Study.

JCO oncology practice·2025

Same author

Progressive eosinophilia and <i>STAT5B</i> mutation acquisition in AML treated with azacitidine and venetoclax.

Leukemia & lymphoma·2025

Same author

Deep Learning in Hematology: From Molecules to Patients.

Clinical hematology international·2024

Same author

CD19-targeted chimeric antigen receptor T-cell therapy in patients with concurrent B-cell Non-Hodgkin lymphoma and rheumatic autoimmune diseases: a propensity score matching study.

Bone marrow transplantation·2023

Same author

Thirty-Day Unplanned Hospital Readmissions in Patients With Cancer and the Impact of Social Determinants of Health: A Machine Learning Approach.

JCO clinical cancer informatics·2023

Search research articles

Video Experimental Relacionado

Updated: Jan 8, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

Análisis Autónomo de Datos Curados de Pacientes Utilizando un Marco Multiagente Basado en un Modelo de Lenguaje

Jiasheng Wang¹, David M Swoboda², Aziz Nazha³

¹Division of Hematology, Department of Medicine, The Ohio State University Comprehensive Cancer Center, Columbus, OH.

JCO clinical cancer informatics

|December 19, 2025

Resumen

Este resumen es generado por máquina.

Un novedoso marco de inteligencia artificial (IA) multiagente automatiza el análisis complejo de datos médicos, superando significativamente a los modelos de lenguaje grandes (LLM) generalizados en precisión para replicar los resultados de los estudios.

Palabras clave:

inteligencia artificial aprendizaje automático procesamiento del lenguaje natural minería de datos análisis de datos investigación biomédica datos de salud modelos de lenguaje grandes aprendizaje profundo aprendizaje automático supervisado

Más Videos Relacionados

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Published on: June 13, 2025

Videos de Experimentos Relacionados

Last Updated: Jan 8, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Published on: June 13, 2025

Área de la Ciencia:

Informática Biomédica
Inteligencia Artificial en Medicina
Ciencia de Datos

Sus antecedentes:

El análisis de conjuntos de datos médicos complejos es una tarea especializada y que consume mucho tiempo.
Los métodos actuales a menudo carecen de eficiencia y pueden ser propensos a errores.
La automatización de estos flujos de trabajo es crucial para avanzar en la investigación médica.

Objetivo del estudio:

Desarrollar y evaluar un novedoso marco de inteligencia artificial (IA) multiagente para automatizar el análisis de datos médicos.
Comparar el rendimiento de este marco de IA con enfoques no basados en agentes, específicamente modelos de lenguaje grandes (LLM).

Principales métodos:

Se desarrolló un sistema de agentes de IA de seis partes utilizando la plataforma AutoGen, con agentes especializados para la planificación, la recuperación de datos, la limpieza, el análisis estadístico y la revisión, impulsado por OpenAI gpt-4o.
El marco se aplicó a conjuntos de datos de un solo paciente desidentificados de 20 estudios de trasplante de médula ósea (2021-2023).
El rendimiento se comparó con el uso directo de ChatGPT 4o para replicar los resultados primarios publicados.

Principales resultados:

El marco multiagente replicó con éxito el 53,3% de los resultados primarios, superando significativamente a ChatGPT 4o (35,0%, P = 0,04).
Los fallos del marco multiagente se debieron principalmente a la transformación de datos (46,4%) y a errores en el código de análisis (21,4%).
Los fallos de ChatGPT 4o se debieron a métodos estadísticos incorrectos (38,4%) y a la transformación de datos (45,6%); no se observaron alucinaciones con el enfoque multiagente.

Conclusiones:

El marco de IA multiagente desarrollado muestra una precisión y solidez superiores en la automatización del análisis de datos biomédicos.
Este enfoque especializado basado en agentes ofrece una ventaja significativa sobre los LLM generalizados para tareas complejas de datos médicos.