大型语言模型作为病理学报告数据提取的快速和客观工具
Beyza Bolat1, Ozgur Can Eren2, A Humeyra Dur-Karasayar3
1Koc University School of Medicine, Koc University, ISTANBUL, TURKEY.
Turk patoloji dergisi
|March 26, 2024
概括
大型语言模型 (LLM) 可以自动提取病理学数据,提高研究效率和准确性. 这种人工智能辅助的方法将手动,容易出错的数据输入转化为医学研究的简化过程.
科学领域:
- 医疗信息学 医疗信息学
- 数字病理学数字病理学
- 人工智能在医学中的应用
背景情况:
- 病理学部门产生大量的数据对科学研究至关重要.
- 从病理学报告中手动提取数据是劳动密集型,耗时,容易出现错误.
- 开发高效的数据提取方法对于创建大规模研究数据库至关重要.
研究的目的:
- 评估大型语言模型 (LLM) 在从病理学报告中提取数据的有效性.
- 为了比较不同LLM (ChatGPT和Google Bard) 在将非结构化病理学数据转换为综合格式的性能.
- 评估人工智能辅助数据提取的潜力,以加强学术研究.
主要方法:
- 从切除标本中选择了十份被取消识别的病理学报告.
- 报告使用ChatGPT和Google Bard进行处理.
- 这两种人工智能模型的任务是将报告转换成适合Excel或Google Sheets等数据编辑器的综合格式.
主要成果:
- 两位LLM都成功地从病理学报告中创建了表格数据.
- 谷歌Bard通过自动促进电子表格创建来展示了一个优势.
- 人工智能辅助的方法在克服手动数据提取挑战方面表现有前途.
结论:
- 大型语言模型为病理学研究中的数据提取自动化提供了可行的解决方案.
- 与手工方法相比,人工智能辅助的数据提取可以显著提高效率和精度.
- 实施LLM可以加速从现有病理档案中创建有价值的研究数据库.
