用GPT驱动的放射学报告生成与微调的Llama 3

科学领域:

• 医疗成像中的人工智能
• 在医疗保健中的自然语言处理.
• 放射学报告自动化系统

背景情况:

• 在放射学中深度学习的整合面临着采用挑战.
• 放射学报告的效率可以通过人工智能辅助来提高.
• 报告结论的自动化是医疗成像中AI发展的关键领域.

研究的目的:

• 开发和评估一个微调的Llama 3-8B大语言模型 (LLM).
• 为了自动生成MRI和CT放射学报告的准确和简洁的结论.
• 评估人工智能生成的结论与人类放射科医生的表现.

主要方法:

• 用转移学习,4位量化和LoRA对15000份放射学报告进行了拉玛3-8B模型的微调.
• 在5个时代中,在NVIDIA RTX 3090 GPU上训练模型.
• 使用BERTScore,ROUGE,BLEU和METEOR指标进行定量评估.
• 通过与13名独立放射科医生进行的图灵式测试进行定性评估.

主要成果:

• 精心调整的LLM获得了强大的定量分数 (例如,BERTScore F1: 0.8054,ROUGE-L F1: 0.4628).
• 在人类评估过程中,在21.8%的案例中,人工智能生成的结论比人类撰写的结论更受欢迎.
• 该模型从放射科医生获得了3.65/5的平均评分,证明了具有竞争力的性能和一致性.

结论:

• 微调的Llama 3-8B模型有效地为放射学报告产生准确和连贯的结论.
• 这种人工智能驱动的自动化可以帮助放射科医生,减少工作量,提高报告的一致性.
• 建议进一步验证和整合到临床工作流程中,解决数据集偏差和计算需求等局限性.