测试和验证一个定制重新训练的大型语言模型用于支持性护理的HN患者与外部知识库的测试和验证
Libing Zhu1, Yi Rong1, Lisa A McGee1
1Department of Radiation Oncology, Mayo Clinic, Phoenix, AZ 85054, USA.
Cancers
|July 13, 2024
概括
一个定制训练的AI模型为接受放射治疗的头癌患者提供了准确的,基于证据的支持,重点是症状管理和幸存者护理.
科学领域:
- 在瘤学中使用人工智能
- 患者支持系统 患者支持系统
- 放射治疗护理 放射治疗护理
背景情况:
- 接受放射治疗的头癌 (HN) 患者需要专门的支持来治疗症状和生存.
- 现有的资源可能无法完全满足这些患者独特的信息需求.
研究的目的:
- 专门为接受放射治疗的HN癌症患者开发和评估重新训练的大型语言模型 (LLM).
- 通过人工智能驱动的信息支持来增强症状管理和幸存者护理.
主要方法:
- 使用包括临床指南和电子健康记录在内的全面数据库来培训基于ChatGPT-4的LLM.
- 该模型的性能由放射瘤学家评估,使用20个患者调查,根据准确性,清晰性,完整性和相关性进行评分.
主要成果:
- 人工智能模型在所有评估指标中获得了高平均分:4.25 (准确性),4.35 (清晰度),4.22 (完整性) 和4.32 (相关性) 在5分级.
- 超过91%的评估得分为3分或更高,83%得分为4分或更高,表明表现强.
结论:
- 定制培训的LLM在支持HN癌症患者方面表现出显著的准确性和相关性.
- 人工智能模型为提供基于证据的关于症状管理和幸存者护理信息提供了有价值的工具.
更多相关视频
13:12Translational Brain Mapping at the University of Rochester Medical Center: Preserving the Mind Through Personalized Brain Mapping
Published on: August 12, 2019
45.4K
05:56Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
Published on: April 14, 2023
2.4K
