在乳腺癌管理中使用大型语言模型:系统性审查
Vera Sorin1,2, Benjamin S Glicksberg3, Yaara Artsi4
1Department of Diagnostic Imaging, Chaim Sheba Medical Center, Affiliated to the Sackler School of Medicine, Tel-Aviv University, Emek Haela St. 1, 52621, Ramat Gan, Israel. verasrn@gmail.com.
Journal of cancer research and clinical oncology
|March 20, 2024
概括
像ChatGPT这样的大型语言模型 (LLM) 对乳腺癌护理有希望,有助于数据解释和问题解答. 然而,它们的准确性各不相同,需要对临床使用进行仔细的验证和人类监督.
科学领域:
- 在瘤学中使用人工智能
- 临床信息学 临床信息学
- 自然语言处理自然语言处理.
背景情况:
- 解释广泛的临床数据以获得个性化乳腺癌洞察力仍然具有挑战性,尽管技术进步.
- 大型语言模型 (LLM) 为处理和分析复杂的医疗信息提供了潜在的解决方案.
研究的目的:
- 审查现有的关于大语言模型 (LLM),特别是ChatGPT在乳腺癌管理中的应用文献.
- 确定LLM在分析临床数据和支持患者护理方面的能力和局限性.
主要方法:
- 在MEDLINE上对2023年12月22日之前发表的研究进行了系统的文献搜索.
- 关键词包括"大型语言模型"",LLM"",GPT"",ChatGPT"",OpenAI"和"乳房".
- 使用QUADAS-2工具评估了偏差风险.
主要成果:
- 评估ChatGPT-3.5或GPT-4的六项研究符合纳入标准,重点关注临床笔记分析,基于指南的问答和管理建议.
- 准确度在50%至98%之间,在信息检索等结构化任务中表现更高.
- 发现的挑战包括不一致的准确性,快速依赖性和潜在的关键临床细节的遗漏.
结论:
- 在乳腺癌治疗方面,LLM具有很大的潜力,特别是在提取文本信息和回答基于指导方针的问题方面.
- 不一致的准确性需要严格的验证和持续的人类监督,以确保安全有效的临床实施.
- 需要进一步的研究来优化LLM的性能和融入乳腺癌工作流程.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
9.0K
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
6.3K
