[用于快速简化质量保证数据输入的大型语言模型:在泌尿病学瘤文档的背景下与真实数据的实地试验]
Johannes Frank1, Axel S Merseburger1, Johannes Landmesser1
1Urology Department, University of Luebeck, Luebeck, Germany.
Aktuelle Urologie
|April 10, 2024
概括
生成型人工智能在自动化癌症文档任务方面表现有前途,尽管需要仔细整合,但提供了显著的价值. 这项技术可以支持,但不能取代人类在医疗数据处理方面的专业知识.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
背景情况:
- 大型语言模型 (LLM) 越来越多地用于文本处理和数据提取.
- 自动填写表格是LLMs的一个关键应用程序.
研究的目的:
- 评估LLM支持的流程在癌症疾病文档中的适用性和效率.
- 评估人工智能在传输和解释医疗数据的实际实用性,以确保质量.
主要方法:
- 一项试验使用ChatGPT 4.0从153份医疗报告中提取诊断日期和瘤分类.
- 采用自动化脚本,对结果的准确性进行了个别验证.
- 该研究评估了人工智能辅助系统的实用性,运营成本和适用性.
主要成果:
- 生成性人工智能是一个有希望的,适合在医学文档中未经训练使用的工具.
- 经过成本效益分析,投资回报率显著 (35美分的成本与61.54欧元的价值创造).
- 人工智能的作用是支持性,强调需要适当的工作流集成与特定提示.
结论:
- 生成性人工智能是瘤文档中搜索,转移和解释任务的有希望的方法.
- 密切监督实际实施是必不可少的.
- 用特定任务的工具和提示来优化人机交互对于性能至关重要.
更多相关视频
13:01Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment
Published on: June 3, 2022
3.7K
03:14Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
550
