确定在病理学和实验室医学中实施大型语言模型的优先事项

科学领域:

• 病理学和实验室医学的医学.
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 人工智能 (AI) 和机器学习 (ML) 越来越多地被用于病理学和实验室医学.
• 像ChatGPT这样的先进大语言模型 (LLM) 的出现引发了对其在现场潜在影响的兴趣.

研究的目的:

• 探索LLMs在学术病理学,实验室医学和病理学教育中的变革性作用.
• 鼓励临床医生采用并将LLMs纳入临床实践,研究和教育工作流程.
• 在病理学背景下审查与LLM实施相关的挑战.

主要方法:

• 关于LLMs在病理学中的应用的文献综述和专家意见.
• 分析LLM整合的潜在好处和挑战.
• 讨论改进人工智能模式和设计用户友好的界面的策略.

主要成果:

• 法律学士学位为加强病理学教育,临床实践和研究提供了重大机会.
• 建议病理学专业人员积极参与LLM开发和整合.
• 现有的LLM挑战需要在病理学的特定背景下仔细考虑.

结论:

• 鼓励病理学和实验室医学临床医生接受LLM,因为他们的能力在不断发展.
• 确定特定的应用程序,并将LLM深思熟虑地整合到工作流中,对于实现其潜力至关重要.
• 解决LLM固有的挑战对于其在现场的成功和道德运作至关重要.