利用大型语言模型进行癌症变异分类:对GPT-4o,LLaMA 3和Qwen 2.5进行比较研究
Kuan-Hsun Lin1,2, Paul Chih-Hsueh Chen3,4, Chen-Tsung Kuo1,2
1Department of Information Management, Taipei Veterans General Hospital, Taipei, 11267, Taiwan, R.O.C.
Studies in health technology and informatics
|August 8, 2025
概括
这项研究评估了像GPT-4o这样的大型语言模型 (LLM),用于分类癌症基因组变异. 通过LLM,可以改善对测序数据的精确瘤学解释.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 人工智能的人工智能
背景情况:
- 解释癌症基因组变异对于精确瘤学至关重要.
- 大型语言模型 (LLM) 提供了自动化变体分类的潜力.
- 目前的临床基因组解释LLM能力需要系统的评估.
研究的目的:
- 为了对最先进的LLM在癌症基因组变异分类方面的性能进行基准测试.
- 评估GPT-4o,LLaMA 3和Qwen 2.5对于临床基因组解释的有用性.
- 提供关于人工智能在精密瘤学的应用的见解.
主要方法:
- 精选的癌症变异数据库被用于基准测试.
- 评估了三个高级的LLM (GPT-4o,LLaMA 3,Qwen 2.5) 进行了评估.
- 评估了变异分类的准确性和临床实用性.
主要成果:
- 这项研究系统地比较了GPT-4o,LLaMA 3和Qwen 2.5.5的性能.
- 结果表明了当前LLM在基因组变异解释方面的潜力和局限性.
- 详细介绍了每个LLM的具体绩效指标.
结论:
- 在精密瘤学中,LLM显示出作为癌症变异解释工具的潜力.
- 为了强大的临床整合,需要进一步开发和验证.
- 由人工智能驱动的方法可以帮助加速基因组数据分析.
