使用大型语言模型 (LLM) 的挑战和障碍,如ChatGPT用于诊断医学,重点是数字病理学 - 最近的范围审查
Ehsan Ullah1, Anil Parwani2, Mirza Mansoor Baig3
1Anatomical Pathology, Department of Pathology and Laboratory Medicine, Te Toka Tumai Auckland, Te Whatu Ora (Health New Zealand), Auckland, New Zealand.
Diagnostic pathology
|February 28, 2024
概括
诊断医学中的大型语言模型 (LLM) 面临着数据偏差和解释性问题等挑战. 解决这些障碍是负责任的AI整合数字病理学的关键.
科学领域:
- 人工智能在医学中的应用
- 数字病理学数字病理学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 大型语言模型 (LLM) 在诊断医学,特别是数字病理学方面表现有前途.
- 了解挑战对于在医疗保健中成功实施LLM至关重要.
研究的目的:
- 探索在诊断医学和数字病理学中使用LLM的挑战和障碍.
- 确定阻碍在医疗环境中采用LLM的关键问题.
主要方法:
- 进行了相关文献的范围审查.
- 在过去四年内搜索电子数据库 (PubMed,Google Scholar) 的文章.
- 批判性地分析了精选的文章,总结了所报告的挑战和障碍.
主要成果:
- 识别了LLM上下文理解和解释能力的局限性.
- 训练数据中存在偏差的风险,使诊断差异持续存在.
- 突出了伦理问题 (隐私,数据安全) 和监管需求.
- 承认对医疗保健专业人员自主权的潜在影响.
结论:
- 在诊断医学LLM整合面临重大挑战.
- 卫生专业人员参与数据选择和模型微调至关重要.
- 对于负责任的LLM实施,需要进一步的研究,验证和合作.


