Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Introduction to Language of Pathophysiology ll01:17

Introduction to Language of Pathophysiology ll

69
This lesson explores key terms that describe how diseases progress, their outcomes, and their distribution in populations.Diagnostic tests identify diseases and monitor treatment. These include blood and urine tests, biopsies, imaging (X-ray, MRI), and detection of infectious agents.Remission is a reduction or disappearance of symptoms.Exacerbation refers to the worsening of symptoms, such as increased wheezing during an asthma attack.A precipitating factor triggers an acute episode, while a...
69
Multiple Sclerosis l: Introduction01:19

Multiple Sclerosis l: Introduction

31
Multiple sclerosis is a chronic autoimmune disease of the central nervous system (CNS) that affects the brain, spinal cord, and optic nerves. It is an inflammatory demyelinating disorder and a leading cause of neurological disability in young adults.EpidemiologyMS commonly begins between 20 and 40 years of age and is twice as common in women. Its exact cause remains unclear, but genetic susceptibility contributes, with higher risk in first-degree relatives and identical twins. A greater...
31

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Challenges and future directions for multiple sclerosis after the 2024 McDonald diagnostic criteria.

Nature medicine·2026
Same author

Abnormal B-Cell Exosome Proapoptotic and Antiapoptotic Cargo in Multiple Sclerosis: Potential Implication in Progressive Disease Biology.

Neurology(R) neuroimmunology & neuroinflammation·2026
Same author

Workforce Investments in Telehealth Suicide Prevention in Emergency Departments: Implementation Costs of a Centralized Behavioral Health Consultation Service.

The journal of behavioral health services & research·2026
Same author

Bruton's tyrosine kinase inhibitors: a new class of multiple sclerosis therapeutics.

The Lancet. Neurology·2026
Same author

Progression to Wheelchair in Secondary Progressive Multiple Sclerosis and Impact of Siponimod: Post Hoc Analyses From the EXPAND Study.

European journal of neurology·2026
Same author

Development and Validation of a Large Language Model Case Identification Strategy for Eosinophilic Esophagitis.

Gastro hep advances·2026

Video Experimental Relacionado

Updated: May 5, 2026

The Multiple Sclerosis Performance Test MSPT: An iPad-Based Disability Assessment Tool
11:35

The Multiple Sclerosis Performance Test MSPT: An iPad-Based Disability Assessment Tool

Published on: June 30, 2014

58.8K

Aprovechamiento de Modelos de Lenguaje Grandes para Derivar Evaluaciones de Progresión de Esclerosis Múltiple a

Sy Hwang1, Sunil Thomas2, Heather Williams2

  • 1Institute for Biomedical Informatics, Perelman School of Medicine University of Pennsylvania, Philadelphia, PA, USA, sy.hwang@pennmedicine.upenn.edu.

Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
|February 27, 2026
PubMed
Resumen

Este estudio exploró el uso de modelos de lenguaje grandes (LLM) para analizar notas clínicas para la progresión de la esclerosis múltiple (EM). El objetivo fue desarrollar un clasificador factible para las puntuaciones EDSS y FS a partir de registros de pacientes.

Palabras clave:
Esclerosis MúltipleModelos de Lenguaje GrandesNotas ClínicasProgresión de la EnfermedadEvaluación ClínicaInteligencia ArtificialProcesamiento del Lenguaje NaturalEDSSPuntuaciones de Sistemas Funcionales

Más Videos Relacionados

A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
10:46

A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data

Published on: December 9, 2015

11.2K
Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
03:14

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

Published on: December 6, 2024

1.3K

Videos de Experimentos Relacionados

Last Updated: May 5, 2026

The Multiple Sclerosis Performance Test MSPT: An iPad-Based Disability Assessment Tool
11:35

The Multiple Sclerosis Performance Test MSPT: An iPad-Based Disability Assessment Tool

Published on: June 30, 2014

58.8K
A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
10:46

A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data

Published on: December 9, 2015

11.2K
Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
03:14

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

Published on: December 6, 2024

1.3K

Área de la Ciencia:

  • Neurología
  • Inteligencia Artificial
  • Informática Clínica

Sus antecedentes:

  • La evaluación precisa de la progresión de la esclerosis múltiple (EM) es crucial para la atención al paciente y la investigación.
  • Los indicadores clave de progresión a menudo están incrustados en notas clínicas no estructuradas.
  • Los métodos actuales para extraer estos datos pueden requerir mucho trabajo.

Objetivo del estudio:

  • Evaluar la viabilidad de desarrollar y validar un clasificador basado en modelos de lenguaje grandes (LLM).
  • Determinar la progresión de la esclerosis múltiple (EM) utilizando notas clínicas.
  • Extraer automáticamente las puntuaciones de la Escala Expandida de Estado de Discapacidad (EDSS) y de Sistemas Funcionales (FS).

Principales métodos:

  • Desarrollo de un clasificador de modelo de lenguaje grande (LLM).
  • Utilización de notas clínicas como fuente de datos.
  • Validación del rendimiento del LLM en la clasificación de indicadores de progresión de la EM.

Principales resultados:

  • El estudio evaluó la viabilidad del enfoque basado en LLM.
  • Los hallazgos preliminares indican el potencial para la determinación automatizada de la progresión de la EM.
  • Se requiere una validación adicional para confirmar la precisión y la fiabilidad.

Conclusiones:

  • El desarrollo de un clasificador basado en LLM es un enfoque factible para la determinación de la progresión de la EM a partir de notas clínicas.
  • Este método es prometedor para mejorar la eficiencia en la atención clínica y la investigación.
  • El trabajo futuro debe centrarse en la validación robusta y la integración en los flujos de trabajo clínicos.