大型语言模型在神经外科:一个系统的审查和元分析
Advait Patil1,2,3,4, Paul Serrato5,6,7, Nathan Chisvo7
1Harvard Medical School, Harvard University, Boston, MA, 02115, USA. advaitpatil@hms.harvard.edu.
Acta neurochirurgica
|November 23, 2024
概括
大型语言模型 (LLM) 在神经外科手术中表现有前途,但需要标准化的报告来实现可重现性. 当前的研究经常使用基本的应用程序,突出需要先进的方法和性能提升策略.
科学领域:
- 神经外科 神经外科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 大型语言模型 (LLM) 越来越多地被认为对神经外科的潜在影响.
- 对跨神经外科任务的LLM能力进行系统检查是缺乏的.
- 挑战包括LLM术语和确保可复制性.
研究的目的:
- 确定神经外科文献中使用的关键LLM.
- 建立报告准则,以提高研究可复制性.
- 突出LLMs在神经外科应用方面的进展.
主要方法:
- 在PubMed和谷歌学者中搜索了LLM和神经外科相关术语.
- 对出版年,应用领域,使用的LLM,以及提示和绩效报告的51篇文章进行了审查.
- 评估可重现性,幻觉测量和性能指标.
主要成果:
- 包括51篇文章,重点关注文本生成,考试问题答案和临床决策支持.
- GPT-3.5 (58.8%) 和GPT-4 (39.2%) 是使用最多的LLMs.
- 大多数研究 (84.3%) 使用LLM没有高级定制,这表明复杂的应用存在差距.
结论:
- 士在神经外科手术方面表现出显著的能力,具有变革性影响的潜力.
- 当前的研究往往集中在基本的应用上,缺乏详细的报告,阻碍了可复制性.
- 标准化报告,解决LLM随机性,并采用先进的方法对于未来的进步至关重要.
更多相关视频
09:16Study Design for Navigated Repetitive Transcranial Magnetic Stimulation for Speech Cortical Mapping
Published on: March 24, 2023
1.4K
13:12Translational Brain Mapping at the University of Rochester Medical Center: Preserving the Mind Through Personalized Brain Mapping
Published on: August 12, 2019
45.1K
