珍しい軌道疾患の検出のためのマルチモダルの大型言語モデルの連続感度分析
Chaoyu Lei1,2,3, Kaiyuan Ji4,5, Chen Zhao3
1Hainan Research Institute, Shanghai Jiao Tong University, Sanya, Hainan, China.
Communications medicine
|February 20, 2026
まとめ
マルチモダル大言語モデル (MLLMs) は,まれな軌道疾患の診断において有望であることが示されています. 多様な臨床データを統合することで,MLLMの診断の正確性が著しく向上し,臨床的決定に役立ちます.
科学分野:
- オフタルモロジック (眼科)
- 人工知能 (AI) とは,人工知能 (AI) のことです.
- 医療診断 医療診断
背景:
- 希少な軌道疾患の診断が遅れているのは,臨床的認識が限られているため一般的です.
- 以前の研究では,マルチモダル大言語モデル (MLLMs) が一般的な眼疾患を検出できることを示しています.
研究 の 目的:
- マルチモダルの臨床データを統合することで,珍しい軌道疾患のMLLM診断の精度が向上するかどうかを評価する.
- 伝統的なモデルと次世代のモデルと比較して,MLLMのパフォーマンスを評価する.
主な方法:
- 多国籍で遡及的な研究では,2つのデータセットを分析した.
- 対照的な言語イメージ予備訓練 (CLIP) モデルが,予備分類のために微調整されました.
- MLLM (GPT-4o-Latest) は,CLIPとGPT-4o-Latestを組み合わせたAI剤を含む,マルチモダルの入力に対する連続感度分析で評価されました.
主要な成果:
- CLIPモデルは90.21%の予備検出精度を達成し,ベースラインモデルを上回った.
- MLLMの精度は,マルチモダルの入力で大幅に改善され,組み合わせたエージェントは85.29%のトップ5の精度を達成しました.
- 生成された医療報告書と勧告は,正確で読みやすい,完全なものであり,有害性の可能性は低いものでした.
結論:
- MLLMは,まれな軌道疾患の診断精度を向上させる大きな可能性を示しています.
- この技術は,臨床的意思決定を支援し,まれな軌道状態の患者のケアを強化することができます.
