大型语言模型简化了用于临床研究的自动机器学习
Soroosh Tayebi Arasteh1, Tianyu Han2, Mahshad Lotfinia3,4
1Department of Diagnostic and Interventional Radiology, University Hospital RWTH Aachen, Aachen, Germany. soroosh.arasteh@rwth-aachen.de.
聊天GPT高级数据分析 (ADA) 有效地弥合了机器学习开发人员和临床医生之间的差距. 美国医学协会创建的模型与临床数据分析中的人类表现相匹配,民主化了医疗AI应用.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 临床数据科学 临床数据科学
背景情况:
- 机器学习 (ML) 开发人员和临床从业人员之间存在着显著的知识差距.
- 这种差距阻碍了ML的有效应用,用于分析复杂的临床数据.
研究的目的:
- 评估ChatGPT高级数据分析 (ADA) 作为一个工具,以弥合临床环境中的ML知识差距.
- 评估ADA在自主开发和优化临床结果预测ML模型方面的能力.
主要方法:
- 现实世界的临床数据集和研究细节被提供给ChatGPT ADA,没有明确的说明.
- ADA自主开发了用于预测临床结果和生物标志物的ML模型.
- ADA生成模型的性能与原始研究中手工开发的模型进行了对比.
主要成果:
- 聊天GPT ADA成功开发了用于临床数据分析的最先进的ML模型.
- 在传统的性能指标中,在ADA制造的模型和手工制造的模型之间没有发现显著差异 (p ≥ 0.072).
- 与人类开发的同行相比,ADA制作的ML模型经常表现出优越的性能.
结论:
- 通过简化数据分析,ChatGPT ADA显示了在医学中民主化ML的潜力.
- ADA可以作为一种有价值的工具来增强,而不是取代,专门的医疗AI培训和资源.
- 这项技术可能会促进在医学研究和临床实践中更广泛地采用ML.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
相关概念视频
Statistical Software for Data Analysis and Clinical Trials
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
