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

Genetic Lingo

Genetic Lingo

Classification of Illness

Classification of Illness

The meaning of illness is individualized to each person who experiences an alteration in health. In contrast, disease is a medical term indicating a pathological change in the structure and function of the body or mind. It is a condition that has specific symptoms and boundaries.
An illness is a response to a disease in which the person's level of functioning is changed compared with a previous level. The general classification of illness includes acute and chronic.
Acute illness is severe...

Improving Translational Accuracy

Improving Translational Accuracy

Improving Translational Accuracy

Improving Translational Accuracy

Base complementarity between the three base pairs of mRNA codon and the tRNA anticodon is not a failsafe mechanism. Inaccuracies can range from a single mismatch to no correct base pairing at all. The free energy difference between the correct and nearly correct base pairs can be as small as 3 kcal/ mol. With complementarity being the only proofreading step, the estimated error frequency would be one wrong amino acid in every 100 amino acids incorporated. However, error frequencies observed in...

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...

También podría leer

Artículos Relacionados

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

Ordenar por

Same author

RankVar: machine learning-based variant ranking and reinterpretation for rare genetic diseases.

Genome medicine·2026

Same author

Improving Retrieval-Augmented Generation without Taxonomy-based Error Categorization.

Proceedings of the conference. Association for Computational Linguistics. Meeting·2026

Same author

Evaluating unsupervised and rule-based phenotyping methods versus administrative code counts for systemic sclerosis identification.

Seminars in arthritis and rheumatism·2026

Same author

Hard to Halt: Automation Bias in Agent-Driven Sequencing Prior Authorization Workflows.

medRxiv : the preprint server for health sciences·2026

Same author

Unsupervised characterization of 100,272 EHR patients identifies high-risk groups and comorbidities linked to premature aging.

NPJ digital medicine·2026

Same author

TimeX: Phenotype Onset Extraction from Clinical Narratives.

npj health systems·2026

Search research articles

Video Experimental Relacionado

Updated: Feb 24, 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

Ingeniería del Conocimiento para Vocabularios Médicos Utilizando Modelos de Lenguaje Grandes

Hsin Yi Chen¹, Anna Ostropolets^1,2, Chunhua Weng¹

¹Department of Biomedical Informatics, Columbia University, New York, NY, USA.

AMIA ... Annual Symposium proceedings. AMIA Symposium

|February 23, 2026

Resumen

Este resumen es generado por máquina.

Los modelos de lenguaje grandes (LLM) muestran potencial para automatizar tareas de vocabularios médicos como la similitud y agrupación de términos. Sin embargo, los modelos actuales necesitan mejoras en la recuperación y precisión clínica para una gestión integral de datos de atención médica.

Palabras clave:

ingeniería del conocimiento vocabularios médicos modelos de lenguaje grandes procesamiento del lenguaje natural gestión de datos de salud

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

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Published on: July 22, 2025

Videos de Experimentos Relacionados

Last Updated: Feb 24, 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

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Constructing and Visualizing Models using Mime-based Machine-learning Framework

Published on: July 22, 2025

Área de la Ciencia:

Informática Médica; Procesamiento del Lenguaje Natural; Gestión de Datos de Salud

Sus antecedentes:

Los vocabularios médicos son cruciales para los datos de atención médica, pero su mantenimiento es costoso. La automatización de la gestión de vocabularios puede mejorar la eficiencia y reducir los costos.

Objetivo del estudio:

Evaluar la viabilidad de usar modelos de lenguaje grandes (LLM) para automatizar la gestión de vocabularios médicos. Evaluar el rendimiento de los LLM en tareas de similitud de términos, subunción y agrupación.

Principales métodos:

Se utilizó GPT-4o en 1533 términos cardiovasculares de SNOMED CT. Se comparó el rendimiento de los LLM con los vocabularios estandarizados de OHDSI para tres tareas clave.

Principales resultados:

Los LLM lograron una alta precisión para la similitud de términos (0.78), subunción (0.74) y agrupación (0.78). La recuperación fue menor, particularmente para la subunción (0.08), lo que indica brechas de cobertura.

Conclusiones:

Los LLM demuestran ser prometedores para automatizar tareas de vocabularios médicos, pero requieren un mayor refinamiento. La investigación futura debe centrarse en mejorar la recuperación, reducir los errores y evaluar la escalabilidad.